项目代码参考该书
该项目的目的是用 numpy 实现一个简单卷积神经网络
其他内容有写注释和重构文件结构(项目只有 17 个文件, 且在同一文件夹下)
只用 numpy 库搭建起一个简单的卷积神经网络,
并在 MNIST 数据集上进行训练
在遍历 20 遍数据集后, 即 epochs 为 20 时,
训练出来的神经网络在测试数据集的准确率达到 98.8 % 左右
只有一个文件夹, 该文件夹下只有 17 个文件
17 个文件分别是 10 个 .py 代码文件, 4 个 mnist 数据集文件, 2 个保存数据集和神经网络参数的 .pkl 文件, 1 个 readme 文件
- 中文命名的都是代码文件
| 文件名 | 说明 |
|---|---|
| 开始训练.py | 运行代码的 main 函数所在文件 |
| 训练器.py | 实现整个训练过程的类的文件 |
| 神经网络.py | 实现简单卷积神经网络类的文件 |
| 各层单独实现.py | 每一层都是一个类, 实现所有层的类的文件 |
| 优化器.py | 实现优化方法的类的文件 |
| 激活函数.py | 实现激活函数的文件 |
| 梯度计算.py | 实现梯度计算函数的文件 |
| 损失函数.py | 实现损失函数的文件 |
| 函数工具.py | 只有两个函数: im2col 和 col2im 函数 实现多维数据与二维数据的相互转换 |
| 加载数据集.py | 加载 mnist 数据集相关函数的文件 |
| train-images-idx3-ubyte.gz | mnist 训练集中的 输入数据(x_train) 文件 |
| train-labels-idx1 -ubyte.gz | mnist 训练集中的 标签数据(t_train) 文件 |
| t10k-images-idx3-ubyte.gz | mnist 测试集中的 输入数据(x_train) 文件 |
| t10k-labels-idx1-ubyte.gz | mnist 测试集中的 标签数据(t_train) 文件 |
| mnist.pkl | 保存 minst 数据集的文件(np 数组格式) |
| params.pkl | 保存训练好的参数的文件 |
| readme.md | readme 文件 |