避免构造函数中常量引用和右值引用呈指数增长

实际上，这就是引入完美转发的确切原因。将构造函数重写为

template <typename L, typename O>
LinearClassifier(L && loss, O && optimizer)
    : _loss(std::forward<L>(loss))
    , _optimizer(std::forward<O>(optimizer))
{}

但是，按照伊利亚·波波夫（Ilya Popov）在回答中的建议去做可能会简单得多。老实说，我通常这样做，因为移动的目的是便宜的，多一个移动不会显着改变事情。

正如Howard Hinnant所说，我的方法可能对SFINAE不友好，因为现在LinearClassifier接受构造函数中的任何一对类型。巴里的回答显示了如何处理它。

这正是"按值传递和移动"技术的用例。虽然效率略低于左值/右值重载，但它还不错（多走一步），为您省去了麻烦。

LinearClassifier(Loss loss, Optimizer optimizer) 
    : _loss(std::move(loss)), _optimizer(std::move(optimizer)) {}

有一个副本和一个移动，在右值参数的情况下，将有两个移动（前提是您类Loss并Optimizer实现移动构造函数）。

更新：一般来说，完美的转发解决方案效率更高。另一方面，此解决方案避免了并不总是可取的模板化构造函数，因为当不受 SFINAE 约束时，它将接受任何类型的参数，如果参数不兼容，则会导致构造函数内部的硬错误。换句话说，不受约束的模板化构造函数对 SFINAE 不友好。请参阅 Barry 对避免此问题的受约束模板构造函数的回答。

模板化构造函数的另一个潜在问题是需要将其放在头文件中。

更新2：Herb Sutter在他的CppCon 2014演讲"返璞归真"中谈到了这个问题，从1：03：48开始。他首先讨论了按值传递，然后在 rvalue-ref 上重载，然后在 1：15：22 处完美转发，包括约束。最后，他谈到构造函数是在 1：25：50 按值传递的唯一良好用例。

为了完整起见，最佳的 2 参数构造函数将采用两个转发引用并使用 SFINAE 来确保它们是正确的类型。我们可以介绍以下别名：

template <class T, class U>
using decays_to = std::is_convertible<std::decay_t<T>*, U*>;

然后：

template <class L, class O,
          class = std::enable_if_t<decays_to<L, Loss>::value &&
                                   decays_to<O, Optimizer>::value>>
LinearClassifier(L&& loss, O&& optimizer)
: _loss(std::forward<L>(loss))
, _optimizer(std::forward<O>(optimizer))
{ }

这确保了我们只接受类型 Loss 和 Optimizer（或从它们派生）的参数。不幸的是，它写起来相当拗口，并且非常分散原意。这很难做到正确 - 但如果性能很重要，那么它就很重要，这确实是唯一的出路。

但是，如果没关系，并且如果Loss和Optimizer移动起来很便宜（或者，更好的是，这个构造函数的性能完全无关紧要），那么更喜欢 Ilya Popov 的解决方案：

LinearClassifier(Loss loss, Optimizer optimizer)
: _loss(std::move(loss))
, _optimizer(std::move(optimizer))
{ }

你想在兔子洞里走多远？

我知道有 4 种体面的方法来解决这个问题。 如果您匹配它们的前提条件，您通常应该使用较早的，因为后面的每个都显着增加复杂性。

非常便宜，做两次是免费的，要么移动是复制的。

并且复制是非自由的，则按 const& 获取参数。 如果没有，请按值获取。

这将基本上以最佳方式运行，并使你的代码更容易理解。

LinearClassifier(Loss loss, Optimizer const& optimizer)
  : _loss(std::move(loss))
  , _optimizer(optimizer)
{}

对于便宜的移动Loss和移动即复制optimizer.

在所有情况下，这会对下面的"最佳"完美转发（注意：完美转发不是最佳）每个值参数进行 1 次额外移动。 只要移动便宜，这是最好的解决方案，因为它生成干净的错误消息，允许基于{}的构造，并且比其他任何解决方案都更容易阅读。

请考虑使用此解决方案。

如果移动比复制便宜但非自由，一种方法是基于完美的转发：也：

template<class L, class O    >
LinearClassifier(L&& loss, O&& optimizer)
  : _loss(std::forward<L>(loss))
  , _optimizer(std::forward<O>(optimizer))
{}

或者更复杂、更易过载的：

template<class L, class O,
  std::enable_if_t<
    std::is_same<std::decay_t<L>, Loss>{}
    && std::is_same<std::decay_t<O>, Optimizer>{}
  , int> * = nullptr
>
LinearClassifier(L&& loss, O&& optimizer)
  : _loss(std::forward<L>(loss))
  , _optimizer(std::forward<O>(optimizer))
{}

这使您有能力对论点进行基于{}构建。 此外，如果调用上述代码，可以生成多达指数数量的构造函数（希望它们将被内联）。

你可以以SFINAE失败为代价来删除std::enable_if_t子句;基本上，如果你不小心这个std::enable_if_t子句，可能会选择构造函数的错误重载。 如果你的构造函数重载具有相同数量的参数，或者关心早期失败，那么你需要std::enable_if_t。 否则，请使用更简单的。

这种解决方案通常被认为是"最优化的"。 它是最佳选择，但不是最佳选择。

下一步是将 emplace 构造与元组一起使用。

private:
template<std::size_t...LIs, std::size_t...OIs, class...Ls, class...Os>
LinearClassifier(std::piecewise_construct_t,
  std::index_sequence<LIs...>, std::tuple<Ls...>&& ls,
  std::index_sequence<OIs...>, std::tuple<Os...>&& os
)
  : _loss(std::get<LIs>(std::move(ls))...)
  , _optimizer(std::get<OIs>(std::move(os))...)
{}
public:
template<class...Ls, class...Os>
LinearClassifier(std::piecewise_construct_t,
  std::tuple<Ls...> ls,
  std::tuple<Os...> os
):
  LinearClassifier(std::piecewise_construct_t{},
    std::index_sequence_for<Ls...>{}, std::move(ls),
    std::index_sequence_for<Os...>{}, std::move(os)
  )
{}

我们将施工推迟到LinearClassifier内部. 这允许您在对象中包含不可复制/可移动的对象，并且可以说是效率最高的。

要了解其工作原理，现在的示例piecewise_construct适用于std::pair。 您首先传递分段构造，然后forward_as_tuple参数来构造每个元素（包括复制或移动 ctor）。

通过直接构造对象，与上述完美转发解决方案相比，我们可以消除每个对象的移动或复制。 如果需要，它还允许您转发副本或移动。

最后一个可爱的技术是打字擦除结构。 实际上，这需要类似std::experimental::optional<T>的东西可用，并且可能会使类更大一些。

这并不比分段施工快。 它确实抽象了 emplace 构造所做的工作，使其在每次使用的基础上更简单，并且它允许您从头文件中拆分 ctor 主体。 但是在运行时和空间方面都有少量开销。

您需要从一堆样板开始。 这将生成一个模板类，该类表示"稍后在其他人会告诉我的地方构造对象"的概念。

struct delayed_emplace_t {};
template<class T>
struct delayed_construct {
  std::function< void(std::experimental::optional<T>&) > ctor;
  delayed_construct(delayed_construct const&)=delete; // class is single-use
  delayed_construct(delayed_construct &&)=default;
  delayed_construct():
    ctor([](auto&op){op.emplace();})
  {}
  template<class T, class...Ts,
    std::enable_if_t<
      sizeof...(Ts)!=0
      || !std::is_same<std::decay_t<T>, delayed_construct>{}
    ,int>* = nullptr
  >
  delayed_construct(T&&t, Ts&&...ts):
    delayed_construct( delayed_emplace_t{}, std::forward<T>(t), std::forward<Ts>(ts)... )
  {}
  template<class T, class...Ts>
  delayed_construct(delayed_emplace_t, T&&t, Ts&&...ts):
    ctor([tup = std::forward_as_tuple(std::forward<T>(t), std::forward<Ts>(ts)...)]( auto& op ) mutable {
      ctor_helper(op, std::make_index_sequence<sizeof...(Ts)+1>{}, std::move(tup));
    })
  template<std::size_t...Is, class...Ts>
  static void ctor_helper(std::experimental::optional<T>& op, std::index_sequence<Is...>, std::tuple<Ts...>&& tup) {
    op.emplace( std::get<Is>(std::move(tup))... );
  }
  void operator()(std::experimental::optional<T>& target) {
    ctor(target);
    ctor = {};
  }
  explicit operator bool() const { return !!ctor; }
};

我们在其中键入擦除从任意参数构造可选的操作。

LinearClassifier( delayed_construct<Loss> loss, delayed_construct<Optimizer> optimizer ) {
  loss(_loss);
  optimizer(_optimizer);
}

_loss在哪里std::experimental::optional<Loss>. 要删除_loss的可选性，您必须使用std::aligned_storage_t<sizeof(Loss), alignof(Loss)>并且非常小心地编写 ctor 来处理异常和手动销毁内容等。 这是一个令人头疼的问题。

关于最后一种模式的一些好处是，ctor 的主体可以移出标头，最多生成线性数量的代码，而不是指数级数量的模板构造函数。

此解决方案的效率略低于放置构造版本，因为并非所有编译器都能够内联std::function使用。 但它也允许存储不可移动的物体。

代码未经测试，因此可能存在拼写错误。

在具有保证省略的 c++17 中，延迟 ctor 的可选部分已过时。 任何返回T的函数都是延迟 ctor T 所需要的。