纯Numpy实现的人工神经网络框架.zip

# CANNDY ## 介绍 纯Numpy实现的人工神经网络框架<br> Chen's Artificial Neural Network builD by numpY ## 模型说明 ### Core: 人工神经网络框架核心 - Activation: 实现的各种激活函数，包括`ReLU`、`Sigmoid`、`Tanh`、`Softmax` - Layer: 实现的各种基础的神经网络层，暂时只有`Linear`线性层 - Loss: 实现的各种损失函数，包括`均方差损失`，`交叉熵损失` - Optimizer：实现的各种优化器，包括普通梯度下降`GradientDescent`、`Momentum`、`AdaGrad`、`RMSProp`、`Adam` ### Dataset: 数据集 - Iris: 鸢尾花数据集 - titantic: 泰坦尼克幸存者数据集 - mnist: 手写数字识别数据集 ### MLP: 使用该框架实现的多层感知机模型以及实例 - MLP: 多层感知机模型 - MLP_Batch: 测试batch的回归训练 - MLP_Classifier: 使用同心圆数据集做分类训练 - MLP_Iris: 使用鸢尾花数据集做分类训练 - MLP_Mnist: 使用手写识别数据集做分类训练 - MLP_Regress: 使用sin函数作为数据集做回归训练 ### Examples: 使用该框架实现的各种模型实例 - AutoEncoder: 使用该框架实现的自编码器模型 - DQN: 使用该框架实现的强化学习中DQN(深度Q学习网络)模型 - PolicyGradient: 使用该框架实现的强化学习中的策略梯度模型 - GCN: 使用该框架实现的图卷积模型 ## 安装教程 1. Anaconda `python>=3.7` 2. 强化学习相关项目，需要 gym==0.22.0; pygame==2.2.0 3. 其他相关的包，可自行调试判断 ## 使用说明 - `本代码仅供参考学习和学术研究下载` - `Copy核心代码时请注明出处` ## 效果展示 - MLP模型对同心圆数据集做分类训练<br> <img src="Pic/MLP_circle.gif" width="480" height="350" alt="分类训练"/><br/> - MLP模型对sin函数回归拟合<br> <img src="Pic/MLP_sin.gif" width="480" height="350" alt="回归拟合"/><br/> - 自编码器模型效果<br> <img src="Pic/Res_AE.gif" width="480" height="265" alt="自编码器"/><br/> - DQN(深度Q学习网络)模型效果<br> 奖励变化结果<br> <img src="Pic/DQN_reward.png" width="480" height="357" alt="DQN奖励"/><br/> - 策略梯度模型效果<br> 奖励变化结果<br> <img src="Pic/PG_reward.png" width="480" height="357" alt="PG奖励"/><br/> 开始阶段<br> <img src="Pic/PG_start.gif" width="480" height="309" alt="开始阶段"/><br/> 中期阶段<br> <img src="Pic/PG_mid.gif" width="480" height="309" alt="中期阶段"/><br/> 后期效果<br> <img src="Pic/PG_end.gif" width="480" height="309" alt="后期效果"/><br/> ## 参与贡献 wang567