2

我目前正在从事一个项目，其中包括机器学习的高斯过程。考虑到书中的示例和解释，我正在尝试为作为训练的 GP 对象的一部分的各种参数创建一个通用函数 - 因此，以下声明是（简单）训练函数的最通用声明。

def train[T, M <: MatrixInverter[T], S <: Kernel[T]](): GP_Spawn[T] = null

（如果您想知道，我已经删除了参数列表和实现。） T描述了数字类型，例如它可能是Doubleor Int。MatrixInverter[T]是执行calculateInverse功能的特征。Kernel[T]是核函数的相应特征。正如你们中的一些人可能已经知道的那样，当使用Cholesky-Decomposition作为矩阵逆变器时，可以更改高斯过程中的训练（以某种方式简化）- 因此，我考虑过专门化上述功能。由于@specialized标签的文档，它应该是这样的：

def train[T, @specialized(CholeskyDecomposition[T]) M <: MatrixInverter[T], S <: Kernel[T]](): GP_Spawn[T]

很明显，所有参数或多或少都依赖于T，因为它们需要使用一些依赖于它的变量（类型T、Vector[T]、 ）。Matrix[T]如果我尝试编译上面提到的代码，scala-compiler (2.9.2) 抱怨

错误：未找到：值 CholeskyDecomposition

我不确定这意味着什么，因为导入import algorithms.{CholeskyDecomposition, MatrixInverter}是正确的。此外，很奇怪看到 importCholeskyDecomposition被标记为Unused import statement。CholeskyDecomposition有一个同伴，其中包含一些与算法本身相关的常量，但我不认为这方面是导致此错误的原因。

任何想法可能导致此错误？而且，如何在不削减通用方法的情况下解决它？

编辑：

在阅读了答案后正在考虑对我的代码进行一些重新排序，我最终在运行时得到了一个使用类型匹配的解决方案。

val testMat = new Matrix[T](3, 3)
val testInv = fac(testMat)    
testInv match {
    case chol : CholeskyDecomposition[T] => println("Found Cholesky!")
    case _ => println("Found something different.")
}

它现在可以工作了:) 谢谢大家！

4

3 回答 3

5

您只能将泛型参数特化为原始类型：Int、Double等。因此您可以特化T但Foo[T]即使T是原始类型也不能。

于 2012-11-22T11:25:45.350 回答
3

如果您有一个C专门研究 type的课程T，那么

class D[@specialized T, C[T]](c: C[T]) { ... }

将使用 的T-specialized 版本C。

无论如何，这就是你所需要的。没有必要专门研究对象；通用代码也同样有效，因为所有非原始的东西都是对象。

于 2012-11-22T13:54:22.600 回答
1

根据API，它说：

Type T can be specialized on a subset of the primitive types by
specifying a list of primitive types to specialize at:

所以它基本上只适用于原始类型。

于 2012-11-22T11:28:14.150 回答