# numpy_neuron_network
仅使用numpy从头构建神经网络, 包括如下内容(持续更新中....)
0. 网络中梯度反向传播公式推导
1. 层:FC层,卷积层,池化层,Flatten
2. 激活函数: ReLU、LeakyReLU、PReLU、ELU、SELU
3. 损失函数:均方差、交叉熵
4. 模型的保存、部署
5. 案例学习:线性回归、图像分类
6. 迁移学习、模型精调
7. 进阶:RNN、LSTM、GRU、BN
[TOC]
## 运行工程
环境:python 3.6.x
依赖:numpy>=1.15.0、Cython、jupyter
a) 下载
```shell
git clone https://github.com/yizt/numpy_neuron_network
```
b) 编译nn/clayers.pyx
```shell
cd numpy_neuron_network
python setup.py build_ext -i
```
c) 启动工程,所有的notebook都可以直接运行
```shell
jupyter notebook --allow-root --ip 0.0.0.0
```
## 基础知识
[0_1-全连接层、损失函数的反向传播](0_1-全连接层、损失函数的反向传播.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/81839388)
[0_2_1-卷积层的反向传播-单通道、无padding、步长1](0_2_1-卷积层的反向传播-单通道、无padding、步长1.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/81952377)
[0_2_2-卷积层的反向传播-多通道、无padding、步长1](0_2_2-卷积层的反向传播-多通道、无padding、步长1.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82026408)
[0_2_3-卷积层的反向传播-多通道、无padding、步长不为1](0_2_3-卷积层的反向传播-多通道、无padding、步长不为1.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82120173)
[0_2_4-卷积层的反向传播-多通道、有padding、步长不为1](0_2_4-卷积层的反向传播-多通道、有padding、步长不为1.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82632918)
[0_2_5-池化层的反向传播-MaxPooling、AveragePooling、GlobalAveragePooling、GlobalMaxPooling](0_2_5-池化层的反向传播-MaxPooling、AveragePooling、GlobalAveragePooling.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82633051)
[0_3-激活函数的反向传播-ReLU、LeakyReLU、PReLU、ELU、SELU](0_3-激活函数的反向传播-ReLU、LeakyReLU、PReLU、ELU、SELU.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82320589)
[0_4-优化方法-SGD、AdaGrad、RMSProp、Adadelta、Adam](0_4-优化方法-SGD、AdaGrad、RMSProp、Adadelta、Adam.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82633173)
## DNN练习
[1_1_1-全连接神经网络做线性回归](1_1_1-全连接神经网络做线性回归.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/81841817)
[1_1_2-全连接神经网络做mnist手写数字识别](1_1_2-全连接神经网络做mnist手写数字识别.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82320663)
## CNN练习
[2_1-numpy卷积层实现](2_1-numpy卷积层实现.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82668153)
[2_2-numpy池化层实现](2_2-numpy池化层实现.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82668941)
[2_3-numpy-cnn-mnist手写数字识别](2_3-numpy-cnn-mnist手写数字识别.md) 、[csdn地址](https://blog.csdn.net/csuyzt/article/details/82669885)
2_4-对抗神经网络 、[csdn地址]()
## 经典网络
[3_1-VGG](3_1-VGG.md)
## 进阶
5-1-RNN反向传播
5-2-LSTM反向传播
5-3-GRU反向传播
5-4-RNN、LSTM、GRU实现
5-5-案例-lstm连续文字识别
6-1-Batch Normalization反向传播
6-2-Batch Normalization实现
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
numpy从头开始实现神经网络,包括反向传播公式推导过程; numpy构建全连接层、卷积层、池化层、Flatten层;以及图像分类案例及精调网络案例等。 1、网络中梯度反向传播公式推导 2、层:FC层,卷积层,池化层,Flatten 3、激活函数: ReLU、LeakyReLU、PReLU、ELU、SELU 4、损失函数:均方差、交叉熵 5、模型的保存、部署 6、案例学习:线性回归、图像分类 7、迁移学习、模型精调 8、进阶:RNN、LSTM、GRU、BN
资源推荐
资源详情
资源评论
收起资源包目录
numpy_neural_network-master.zip (47个子文件)
numpy_neural_network-master
0_4-优化方法-SGD、AdaGrad、RMSProp、Adadelta、Adam.md 3KB
0_3-激活函数的反向传播-ReLU、LeakyReLU、PReLU、ELU、SELU.md 4KB
pic
cnn_mnist_0.png 3KB
dnn_mnist_1.png 3KB
cnn_mnist_2.png 3KB
cnn_mnist_4.png 3KB
no_padding_strides_transposed.gif 192KB
dnn_mnist_2.png 3KB
nn
dnn.py 4KB
utils.py 3KB
__init__.py 154B
clayers_v2.pyx 2KB
losses.py 1KB
clayers_v2.c 379KB
layers_v2.py 15KB
clayers.c 542KB
optimizers.py 3KB
main.py 2KB
layers.py 15KB
cnn.py 4KB
clayers.pyx 6KB
activations.py 3KB
modules.py 11KB
vgg.py 3KB
load_mnist.py 731B
2_2-numpy池化层实现.ipynb 26KB
0_2_1-卷积层的反向传播-单通道、无padding、步长1.md 10KB
3_1-VGG.md 4KB
setup.py 701B
LICENSE 11KB
1_1_2-全连接神经网络做mnist手写数字识别.md 8KB
0_2_3-卷积层的反向传播-多通道、无padding、步长不为1.md 5KB
0_2_2-卷积层的反向传播-多通道、无padding、步长1.md 3KB
1_1_1-全连接神经网络做线性回归.ipynb 7KB
0_2_4-卷积层的反向传播-多通道、有padding、步长不为1.md 4KB
1_2_1 卷积层的基础操作,前向、后向过程.ipynb 2KB
2_2-numpy池化层实现.md 12KB
2_3-numpy-cnn-mnist手写数字识别.ipynb 25KB
2_1-numpy卷积层实现.ipynb 19KB
0_1-全连接层、损失函数的反向传播.md 8KB
2_1-numpy卷积层实现.md 9KB
0_2_5-池化层的反向传播-MaxPooling、AveragePooling、GlobalAveragePooling.md 5KB
2_3-numpy-cnn-mnist手写数字识别.md 7KB
.gitignore 1KB
1_1_2-全连接神经网络做mnist手写数字识别.ipynb 21KB
README.md 4KB
1_1_1-全连接神经网络做线性回归.md 4KB
共 47 条
- 1
资源评论
- 荣耀小灰灰2024-03-09资源中能够借鉴的内容很多,值得学习的地方也很多,大家一起进步!
云哲-吉吉2021
- 粉丝: 3215
- 资源: 1130
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功