【LDA】修正 GibbsLDA++-0.2 中的两个内存问题

周末这两天在家用LDA做个小实验。

在LDA的众多实现的工具包中。GibbsLDA 是应用最广泛的。包含c++版本号、java版本号等。GibbsLDA++ 是它的C++版本号的实现。眼下最新版本号是0.2版。在实际使用过程中。发现这个实现版本号有内存使用问题。我花了一些时间定位到了问题，贴出来供大家參考。

问题1：数组内存訪问越界

在model.cpp中。用到了两个矩阵nw和nd。分别存储word-topic关系和document-topic关系。这两个矩阵的大小各自是V * K和 M * K，当中，V是词表大小。M是文档个数。K是topic的个数。在sampling的过程中。用随机数产生器来随机产生topic相应的索引。源程序例如以下：

int topic = (int)(((double)random() / RAND_MAX) * K);

原则上，topic的索引的取值范围是[0,K-1]，只是，上面那行程序。函数random()的取值能够是RAND_MAX。也就是说上述语句产生的topic索引的范围是[0,K]，当产生的索引是K的时候，在接下来的运算中，发生数组越界訪问。

所以应该把上面的代码修正为：

int topic = (int)(((double)random() / (RAND_MAX+1)) * K);

我实际上是在windows上面用的。windows不支持random()函数，所以改成rand()函数，例如以下：

int topic = (int)(((double)rand() / (RAND_MAX+1)) * K);

当然，srandom()也要改成srand()。

问题2：内存泄露

内存泄露主要发生在class model的析构函数中，即model::~model()中。产生的原因非常easy。作者对于向量的内存释放，用的是delete，而正确的应该用delete []。

比如，原始代码：

if (nw) {
	for (int w = 0; w < V; w++) {
	    if (nw[w]) {
		delete nw[w];
	    }
	}
}

如之前所述。nw是一个矩阵。

正确代码是：

if (nw) {
	for (int w = 0; w < V; w++) {
	    if (nw[w]) {
		delete [] nw[w];   //!!!
	    }
	}
}
	delete [] nw;   //!!!

改动了上面两个问题之后。GibbsLDA++-0.2在机器上跑的就非常顺畅了。——事实上不修正也能跑出结果来：对于内存訪问越界，次数并不多，所以影响不大；对于内存泄露。进程退出的时候OS会自己主动清理改进程所用的内存空间，所以也影响不大。

这可能也是这个工具包被这么多人（主要是研究人员）使用，而没人去修正这个问题的解决办法吧。

完。

转载请注明出处：http://blog.csdn.net/xceman1997/article/details/46405597