在机器学习中使用责任链模式

Question

我读过许多机器学习的C++和Java代码，其中每个隐藏层在for循环中被调用。为什么从来没有使用过响应性模式链？它的不前卫是什么？

-Classic方法：

std::vector<Layer> layers(10);
for(Layer& hidden : layers)
  hidden.activation();

-With响应链：

std::vector<Layer*> layers();
// ... init layers vector ...
layers[0]->nextLayer(layers[1]);
layers[1]->nextLayer(layers[2]);
layers[2]->nextLayer(layers[3]);
// and so on...
layers[0]->activation();

层中：

Layer::activation()
{
  // do something
  nextLayer->activation();
}

谢谢。

Answer 1

for循环的优点是每次调用for循环时，layers集合可能是不同的。“缺点”是保证for循环对集合的每个项调用成员函数。

责任链模式可以通过集合进行“迭代”，但是很难更改集合，并且必须更新项之间的所有链接。而且，由于这是递归，所以可能会出现堆栈溢出！

但是，在终止循环时，责任链确实会发光:任何成员都可以决定自己处理调用本身并立即返回，或者直接转发到下一项。

Answer 2

为什么要通过创建列表并称之为“责任链”来使简单的代码复杂化呢？

std::vector<Layer> layers(10);
for(Layer& hidden : layers)
{
  // prepare for activation aka do something
  hidden.activation();
}

你不喜欢这种方法吗？

Answer 3

第一个例子；每个层完全独立于下一个层。这意味着他们对其他层一无所知--他们可能存在，也可能不存在；只需要专注于单一的责任。

第二层；这些层现在不仅知道还有其他层，而且还知道它是一个链接列表。如果第二层和第三层相互独立，但仅仅依赖于1，又会怎样呢？失去了代表这一点的能力。最终，控制这些层的项不再能够以它想要的方式存储它们，导致它成为一个糟糕的设计，因为它正在朝着一个上帝对象工作。