برنامه‌نویسی فرابرنامه‌ای تمپلیت C++ در عمل ۲۰۲۰
C++ Template Metaprogramming in Practice 2020

کتاب برنامه‌نویسی فرابرنامه‌ای تمپلیت C++ در عمل: یک چارچوب یادگیری عمیق، با استفاده از پیاده‌سازی یک چارچوب یادگیری عمیق به عنوان نمونه، کاربرد برنامه‌نویسی فرابرنامه‌ای را در یک پروژه نسبتا بزرگ توضیح می‌دهد و بر راه‌های بهینه‌سازی عملکرد سیستم‌ها تاکید می‌کند. این کتاب برای توسعه‌دهندگانی که دانش اولیه‌ای از C++ دارند مناسب است. توسعه‌دهندگانی که با چارچوب‌های اصلی یادگیری عمیق آشنا هستند نیز می‌توانند برای مقایسه تفاوت‌های بین چارچوب یادگیری عمیق پیاده‌سازی‌شده با برنامه‌نویسی فرابرنامه‌ای و محاسبات در زمان کامپایل با چارچوب‌های یادگیری عمیق با استفاده از روش‌های شیءگرا، به این کتاب مراجعه کنند.

این کتاب که از هشت فصل تشکیل شده است، با دو فصل در مورد بحث در مورد تکنیک‌های اساسی برنامه‌نویسی فرابرنامه‌ای و محاسبات در زمان کامپایل آغاز می‌شود. بقیه فصل‌های کتاب بر کاربرد عملی برنامه‌نویسی فرابرنامه‌ای در یک چارچوب یادگیری عمیق تمرکز دارند. این کتاب انواع و سیستم‌های غنی، تمپلیت‌های عبارت و نوشتن فراتابع‌های پیچیده و همچنین موضوعاتی مانند موارد زیر را بررسی می‌کند:

• واژه‌نامه‌های ناهمگن و تمپلیت‌های سیاست
• مقدمه‌ای بر یادگیری عمیق
• سیستم نوع و انواع داده‌ای اساسی
• عملیات و تمپلیت‌های عبارت
• لایه‌های اساسی
• لایه‌های ترکیبی و بازگشتی
• ارزیابی و بهینه‌سازی آن

برنامه‌نویسی فرابرنامه‌ای می‌تواند کدهای انعطاف‌پذیر و کارآمدی را ایجاد کند. برای توسعه‌دهندگان C++ که با برنامه‌نویسی شیءگرا آشنا هستند، دشواری اصلی در یادگیری و تسلط بر برنامه‌نویسی فرابرنامه‌ای C++ ایجاد طرز فکر برنامه‌نویسی تابعی است. رویکرد فرابرنامه‌نویسی که در زمان کامپایل درگیر است، تابعی است، به این معنی که نتایج میانی ساخت نمی‌توانند تغییر کنند و تاثیر آن ممکن است بیشتر از حد انتظار باشد. این کتاب برنامه‌نویسان C++ را قادر می‌سازد تا یک ذهنیت تابعی و مهارت‌های برنامه‌نویسی فرابرنامه‌ای را توسعه دهند. این کتاب همچنین هزینه توسعه و هزینه استفاده از برنامه‌نویسی فرابرنامه‌ای را مورد بحث قرار می‌دهد و راهکارهایی را برای به حداقل رساندن این هزینه‌ها ارائه می‌دهد.

Using the implementation of a deep learning framework as an example, C++ Template Metaprogramming in Practice: A Deep Learning Framework explains the application of metaprogramming in a relatively large project and emphasizes ways to optimize systems performance. The book is suitable for developers with a basic knowledge of C++. Developers familiar with mainstream deep learning frameworks can also refer to this book to compare the differences between the deep learning framework implemented with metaprogramming and compile-time computing with deep learning frameworks using object-oriented methods.

Consisting of eight chapters, the book starts with two chapters discussing basic techniques of metaprogramming and compile-time computing. The rest of the book’s chapters focus on the practical application of metaprogramming in a deep learning framework. It examines rich types and systems, expression templates, and writing complex meta-functions, as well as such topics as:

• Heterogeneous dictionaries and policy templates
• An introduction to deep learning
• Type system and basic data types
• Operations and expression templates
• Basic layers
• Composite and recurrent layers
• Evaluation and its optimization

Metaprogramming can construct flexible and efficient code. For C++ developers who are familiar with object-oriented programming, the main difficulty in learning and mastering C++ metaprogramming is establishing the thinking mode of functional programming. The meta-programming approach involved at compile time is functional, which means that the intermediate results of the construction cannot be changed, and the impact may be greater than expected. This book enables C++ programmers to develop a functional mindset and metaprogramming skills. The book also discusses the development cost and use cost of metaprogramming and provides workarounds for minimizing these costs.