Нет соответствующей функции для вызова метода 'define_net_weight' в C++11

Question

Я работаю над проектом глубокого обучения, в котором я написал несколько тестов для оценки веса нетто в нейронной сети. Код выглядит так для evaluate_net_weight:

/*! Compute the loss of the net as a function of the weight at index (i,j) in
 *  layer l. dx is added as an offset to the current value of the weight. */
//______________________________________________________________________________
template <typename Architecture>
auto evaluate_net_weight(TDeepNet<Architecture> &net, std::vector<typename Architecture::Matrix_t> & X,
                         const typename Architecture::Matrix_t &Y, const typename Architecture::Matrix_t &W, size_t l,
                         size_t k, size_t i, size_t j, typename Architecture::Scalar_t xvalue) ->
   typename Architecture::Scalar_t
{
    using Scalar_t = typename Architecture::Scalar_t;

    Scalar_t prev_value = net.GetLayerAt(l)->GetWeightsAt(k).operator()(i,j);
    net.GetLayerAt(l)->GetWeightsAt(k).operator()(i,j) = xvalue;
    Scalar_t res = net.Loss(X, Y, W, false, false);
    net.GetLayerAt(l)->GetWeightsAt(k).operator()(i,j) = prev_value;
    //std::cout << "compute loss for weight  " << xvalue << "  " << prev_value << " result " << res << std::endl;
    return res;
}

и функция вызывается следующим образом:

// Testing input gate: input weights k = 0
    auto &Wi = layer->GetWeightsAt(0);
    auto &dWi = layer->GetWeightGradientsAt(0);
    for (size_t i = 0; i < (size_t) Wi.GetNrows(); ++i) {
        for (size_t j = 0; j < (size_t) Wi.GetNcols(); ++j) {
            auto f = [&lstm, &XArch, &Y, &weights, i, j](Scalar_t x) {
                return evaluate_net_weight(lstm, XArch, Y, weights, 0, 0, i, j, x);
            };
            ROOT::Math::Functor1D func(f);
            double dy = deriv.Derivative1(func, Wi(i,j), 1.E-5);
            Double_t dy_ref = dWi(i,j);

            // Compute relative error if dy != 0
            Double_t error;
            std::string errorType;
            if (std::fabs(dy_ref) > 1e-15) {
                error = std::fabs((dy - dy_ref) / dy_ref);
                errorType = "relative";
            } else {
                error = std::fabs(dy - dy_ref);
                errorType = "absolute";
            }

            if (debug) std::cout << "Input Gate: input weight gradients (" << i << "," << j << ") : (comp, ref) " << dy << ", " << dy_ref << std::endl;

            if (error >= maximum_error) {
                maximum_error = error;
                maxErrorType = errorType;
            }
        }
    }

XArch это мой вклад, Y это предсказания, lstm относится к типу сети. Они уже определены.

Когда я пытаюсь собрать программу с помощью cmake, я обычно получаю эту ошибку:

/Users/harshitprasad/Desktop/gsoc-rnn/root/tmva/tmva/test/DNN/RNN/TestLSTMBackpropagation.h:385:24: error: 
      no matching function for call to 'evaluate_net_weight'
                return evaluate_net_weight(lstm, XArch, Y, weights, 0, 2, i, j, x);
                       ^~~~~~~~~~~~~~~~~~~
/Users/harshitprasad/Desktop/gsoc-rnn/root/tmva/tmva/test/DNN/RNN/TestLSTMBackpropagation.h:67:6: note: 
      candidate function [with Architecture = TMVA::DNN::TReference<double>] not viable: no known
      conversion from 'Scalar_t' (aka 'TMatrixT<double>') to 'typename TReference<double>::Scalar_t'
      (aka 'double') for 9th argument
auto evaluate_net_weight(TDeepNet<Architecture> &net, std::vector<typename Architecture::Matr...

Я не могу понять, почему эта ошибка происходит? Было бы здорово, если бы кто-нибудь помог мне с этим вопросом. Спасибо!

Answer 1

У вас могут быть разные и противоречивые определения вашего пользовательского типа Scalar_t, в разных сферах.

Из сообщения об ошибке видно, что функция ожидает typename TReference<double>::Scalar_t (что эквивалентно double), но вы на самом деле передаете аргумент типа Scalar_t (который может быть определен где-то в глобальной области видимости), что эквивалентно TMatrixT<double>, что приводит к ошибке, как некоторые программист чувак упомянул.