使用 shared_ptr 在类及其成员对象之间共享变量是一个很好的解决方案吗？

Question

我这样做是为了在我的所有神经元之间共享learning_rate ：

class neural_network {
public:
  neural_network(float learning_rate = 0.005f)
      : learning_rate(new float(learning_rate)){};
  shared_ptr<float> learning_rate;

private:
  vector<neuron> neurons;
};

class neuron {
public:
  neuron(const float learning_rate) {
    this->learningRate = make_shared<float>(learningRate);
  };

private:
  const shared_ptr<const float> learning_rate;
};

这是在我的所有神经元上具有相同learning_rate的好解决方案吗？

Answer 1

shared_ptr相当昂贵，我认为这里不需要它，只有网络需要“拥有”学习率。 不要害怕在适当的地方使用原始指针，只需避免new和delete ：

class neuron {
public:
    neuron(const float& learning_rate)
        : learning_rate(&learning_rate){};

private:
    const float* learning_rate;
};

class neural_network {
public:
    neural_network(float learning_rate = 0.005f)
        : learning_rate(learning_rate){};
    float learning_rate;

    void make_neuron()
    {
        neurons.push_back(neuron(learning_rate));
    }

private:
    vector<neuron> neurons;
};

Answer 2

shared_ptr是共享所有权，而不是“共享实例”。

某些实例X生命周期与其成员之间存在明确定义的关系。 在最简单的情况下，成员将一直活着，直到它们在X的析构函数中被销毁。 成员通常不会在X的生命周期之后存活。 因此，不需要共享所有权。 您可以使用原始指针来强调neurons不参与learning_rate的所有权。

class neural_network
{
public:
    neural_network(float learning_rate = 0.005f)
        : learning_rate(learnin_rate) {};
    float learning_rate;
private:
    vector<neuron> neurons;
}

class neuron
{
public:
    neuron(const float* learning_rate) : learning_rate(learning_rate){}
private:
    const float* learning_rate;
}

PS：不确定，但我想我会应用一个相当不同的设计。 使learning_rate成为neurons的（非常量非指针）成员。 这时如果neural_network改变learning_rate它会调用元set_learning_rate方法来更新他们的学习速度。 这样neuron就有机会在学习率变化时做出反应。

Answer 3

对于单个float ，我真的认为这一切都太过分了。 如果您的学习率可以变得更复杂，那是一回事，但在此处给出的代码中？ 我建议只使用neural_network的浮动成员和const neural_network* owner; 在构建过程中的neuron组中。

然后，你就打一个公共getLearningRate()上neural_network就大功告成了。 而且您可能需要跟踪各种网络范围的状态，因此单个神经元可以从那个指针中获得很多效用。 示例可能是日志、序列化流或脏标志。

奖励：没有动态分配，当你可以获得它时，这总是一个很好的效率增益。 没有与指针相关的缓存未命中，没有new ing 或delete ing。

此外，我还以为你调用make_shared()在neuron的构造函数将创建一个新的共享指针，指向相同的新实例float值。 这导致根learning_rate变化根本不影响现有的neuron实例。 （以及很多额外的、不需要的内存分配）