基于Numpy自己的动手实现深度学习(部分)

代码的实现以及原理学习基于以下书籍:

📗参考书籍《深度学习入门：基于Python的理论与实现》

用到的Python库

• numpy
• os
• pickle (用来加速数据集载入)
• gzip (处理mnist数据集使用)
• tqdm (现实训练进度的进度条,可以删除相关代码)
• matplotlib (训练网络时候画loss变化图,可以删除相关代码)

文件目录信息

• dataset
  • mnist.py # 用来下载,初始化,加载mnist数据集
• function.py # 提供了 阶跃函数,relu,sigmoid,softmax 等函数的实现
• layers.py # 提供了 Relu层,FC层,卷积层,BN层,池化层,sigmoid层 等layer的实现
• loss.py # 提供了 交叉熵损失函数和均方误差函数的实现
• models.py # 基于前面的layer和loss定义简单的卷积网络和全连接网络
• optimizer.py # 定义了部分优化方法 SGD,Adam,Momentum SGD
• train_cnn.py # 完整的卷积网络训练代码
• train_fc.py # 完整的全连接网络训练代码
• utils.py # 提供了卷积时候使用的 im2col,col2im两个转换函数