基于C语言实现的CNN卷积神经网络手写数字识别项目源码+详细注释+数据集（毕业设计&期末大作业）

# 基于CNN的手写数字识别 本项目的卷积神经网络使用C语言构建，包括前向传播和反向传播，可对手写数字体进行有效识别 # 介绍 * 数据集使用MNIST数据集中的一小部分数据，大小为30x30，通道数为1，包含300张训练集与10张测试集 * 网络结构包括双通道的三层卷积和单通道的三层全连接。卷积操作使用的kernel为3x3，最后输出24x24的特征图；全连接首先将双通道的特征图扁平化到1x1152，而后降维到180->45->10，最后利用softmax输出10种类别的概率 # 环境依赖 * C/C++ 1.7.0 # 训练 * [x] 训练前确保数据已经存放在Training_set目录下 * 若希望采用预训练的网络参数，则输入y，否则输入n。  * 输入训练的轮次，键入之后进入训练阶段，网络进行监督训练，通过后向传播进行参数的调整，使损失函数降低。  * 训练过程：网络每10轮输出网络的训练信息，包括训练进度、交叉熵损失与学习率。  # 测试结果 * 网络会读入训练过程中的最优参数进行测试，对测试集下的0-9的手写数字进行识别   # 参考 1. [反向传播](https://www.cnblogs.com/charlotte77/p/5629865.html) 2. [卷积核求导](https://www.cnblogs.com/pinard/p/6494810.html#!comments)