Skip to content
JaderoChanPublic

About

一个纯 C99 实现的三层全连接 BP 神经网络库,无任何第三方依赖,出于学习目的创建。A three-layer fully connected BP neural network library implemented purely in C99, with no third-party dependencies, created for learning purposes.

Resources

Stars

1 star

Watchers

0 watching

Forks

Latest commit

 

History

32 Commits

Folders and files

Repository files navigation

BP 神经网络

[中文简体 | English]

Version

一个纯 C99 实现的三层全连接 BP 神经网络库,无任何第三方依赖,出于学习目的创建。

可用枚举

  • 激活函数:Sigmoid、Tanh、ReLU、Leaky ReLU、Softmax、Linear
  • 损失函数:CCE(多分类交叉熵)、BCE(二元交叉熵)、MSE(均方误差)

公式推导详见 BP 神经网络公式推导。

特性

  • 零依赖,仅使用 C 标准库
  • 提供常见的各类激活函数与损失函数,可满足多种任务需求
  • 前向传播与反向传播完全解耦,可单独调用各步骤
  • 支持模型参数的保存与加载
  • 训练过程支持自定义回调函数,可实时监控损失值

快速开始

构建库

git clone https://github.com/JaderoChan/bpnn.git
cd bpnn
cmake -B build -DCMAKE_BUILD_TYPE=Release -DBPNN_BUILD_EXAMPLE=OFF
cmake --build build -j --config=Release

构建示例程序

若需同时构建示例程序,请先解压 ./example/digit_recognizer/data_set/ 下的数据集压缩包,再开启对应选项:

cmake -B build -DCMAKE_BUILD_TYPE=Release -DBPNN_BUILD_EXAMPLE=ON
cmake --build build -j --config=Release

注意:curve_fitting 与 digit_recognizer_gui 示例依赖 Qt(Qt5/Qt6)。

API 概览

参数管理

函数 说明
bpnn_params_construct_v1() 创建 BP 神经网络参数(权重和偏置初始化为 0)
bpnn_params_construct_v2() 创建 BP 神经网络参数(指定初始权重和偏置)
bpnn_params_randomize() Xavier 随机初始化权重
bpnn_params_save_to_file() 保存 BP 神经网络参数到文件
bpnn_params_load_from_file() 从文件加载 BP 神经网络参数
bpnn_params_destroy() 释放 BP 神经网络参数内存

训练与推理

// 训练
bool bpnn_train(
    bpnn_params_t* params,
    const double* ins_samples, const double* labels_samples, uint32_t sample_num,
    double learn_rate, bpnn_loss_fn_t loss_fn, uint32_t epoch_num, double esp,
    bpnn_train_sample_callback_t sample_callback, void* sc_userdata,
    bpnn_train_epoch_callback_t  epoch_callback,  void* ec_userdata);

// 推理预测
bool bpnn_predict(const bpnn_params_t* params, const double* ins, double* outs);

示例

BPNN Digit Recognizer

基于本库实现的 MNIST 手写数字识别程序(使用 Sigmoid 函数作为隐藏层激活函数,Softmax 作为输出层激活函数,多分类交叉熵作为损失函数),50 轮训练后准确率可达 98%,详见 BPNN Digit Recognizer。

BPNN Curve Fitting

基于本库实现的曲线拟合 GUI 程序(网络结构为 1-N-1,隐藏层激活函数可配置,输出层使用 Linear,损失函数为 MSE),支持实时训练可视化与散点交互管理,详见 BPNN Curve Fitting。

About

一个纯 C99 实现的三层全连接 BP 神经网络库,无任何第三方依赖,出于学习目的创建。A three-layer fully connected BP neural network library implemented purely in C99, with no third-party dependencies, created for learning purposes.

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages