[中文简体 | English]
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。
- 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
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)。
| 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
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);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。
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。