使用C#编写的用于神经网络的计算图框架computational graphWeaveAI-master.zip

# WeaveNet 版权所有:北京知天智为气象科技有限公司 #### 介绍 一个使用C#编写的用于神经网络的计算图框架computational graph。带有 **cnn,bp,fcn,lstm,convlstm,GRU** 等示例。使用方法接进pytorch。 #### 软件架构 架构完全使用c#编写，可以看到内部任何细节的实现，包含 **cnn,bp,fcn,lstm,convlstm,GRU** 等示例内容，包含示例所用的数据内容。 各项功能都在进行或者完事中，欢迎您参与此项事业，可与我联系：QQ群17375149，QQ20573886，email:xingyu900@live.com #### 使用说明 1. LOSS支持：MESLOSS,cross-entropy 2. 激活函数支持：ReLu，Tanh，Sigmod，Softmax 3. 数据类型支持： float[][] 与 float[][][,]，二维与四维 4. 池化支持：平均池化，最大池化 5. 其他支持：ConvLayer，Conv2DLayer，MulLayer,ConvTranspose2DLayer 部分BP代码示例 ``` //声明两个ConvLayer 和一个激活函数SigmodLayer ConvLayer cl1 = new ConvLayer(13, 5, true); SigmodLayer sl = new SigmodLayer(); float lr = 0.5f; ConvLayer cl2 = new ConvLayer(5, 1, true); int i = 0,a=0; while (a < 5000) { dynamic ff = cl1.Forward(x); ff = sl.Forward(ff); ff = cl2.Forward(ff); //计算误差 MSELoss mloss = new MSELoss(); var loss = mloss.Forward(ff, y); Console.WriteLine("误差:" + loss); dynamic grid = mloss.Backward(); //反传播w2 dynamic w22 = cl2.backweight(grid); //反传播W1 dynamic grid1 = cl2.backward(grid); grid1 = sl.Backward(grid1); dynamic w11 = cl1.backweight(grid1); //更新参数 cl2.weights = Matrix.MatrixSub(cl2.weights, Matrix.multiply(w22.grid, lr)); cl2.basicData = Matrix.MatrixSub(cl2.basicData, Matrix.multiply(w22.basic, lr)); cl1.weights = Matrix.MatrixSub(cl1.weights, Matrix.multiply(w11.grid, lr)); cl1.basicData = Matrix.MatrixSub(cl1.basicData, Matrix.multiply(w11.basic, lr)); i++; a++; } ``` #### BP网络运行图  #### CNN网络95%识别成功率  #### lstm网络预测PM2.5空气质量