加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

克隆/下载

删除文件 README.en.md 5d794a7

Loading...

README

MIT

numpy_cnn

介绍

使用 numpy 自己实现 cnn，学习神经网络的前向与反向传播，激活函数，以及numpy api

具体包括：

激活函数：

sigmoid
relu
softmax

网络层：

激活函数层
reshape层
全连接层(full connected layer)
平均池化层（mean-pooling layer）
卷积层（convolution layer）

博客

【python】如何用 numpy 实现 CNN

感想

我写这些代码只是为了学习算法，没有仔细考虑效率和准确率（python写的，效率不会高到哪里去）
我的网络框架借鉴了 pytorch 和 tensorflow，体会到了这些框架设计上的合理性。

比如说卷积时 kernel_size, stride，input_size 之间的约束关系 —— 我记得卷积核是要能够扫过input张量所有行和列（例如28x28，不能用（5x5,stride=2）卷积，因为它只能扫过 27x27）。以前不懂，自己写完后发现这涉及到反向传播计算的问题，如果约束不满足，还得加 zeros_padding，非常多余。
很多事情说起来容易，做起来难。以前看了不少关于神经网络原理的博客，结果自己动手后发现有很多细节问题自己根本没注意过。

参考资料

np.einsum （爱因斯坦求和约定）—— 相当方便的 API

https://zhuanlan.zhihu.com/p/27739282

http://www.atyun.com/32288.html

BP 反向传播

https://blog.csdn.net/qq_36393962/article/details/97421557

softmax

https://blog.csdn.net/cassiePython/article/details/80089760

池化层

https://blog.csdn.net/googler_offer/article/details/81208413

https://blog.csdn.net/m_buddy/article/details/80426531

卷积层

https://blog.csdn.net/qq_16137569/article/details/81477906

https://www.cnblogs.com/charlotte77/p/7783261.html

https://www.zhihu.com/question/22298352/answer/228543288

https://blog.csdn.net/gqixf/article/details/83579009

https://www.jianshu.com/p/8dfe02b61686

（2020-5-23 添加）

多通道卷积

https://blog.csdn.net/csuyzt/article/details/82026408

https://blog.csdn.net/weixin_40519315/article/details/105115657

使用 numpy 自己实现 cnn，学习神经网络的前向与反向传播，激活函数，以及numpy api 具体包括：激活函数： sigmoid, relu, softmax 网络层：激活函数层，reshape层，全连接层(full connected layer)，平均池化层（average-pooling layer），卷积层（convolution layer）使用 MNIST 数据集验证有效性

Python

取消

Python

1

https://gitee.com/bitosky/numpy_cnn.git

git@gitee.com:bitosky/numpy_cnn.git

bitosky

numpy_cnn

numpy_cnn

master