机器学习BP神经网络，任意拓扑结构 （C++）

这次的版本更优秀了的样子！

按照老板说的，每个节点是单独的导出节点（会导致sigmod训练变慢，原因sigmod层数多了，梯度会下降很快导致爆炸。）

换个激活函数就行了。

net<10>表示网咯有10个节点

然后input.txt里的文件格式大概是

n

0 1

1 2

3 4

....

n表示有n行，每行2个数字，表示2个点有边。（0下标开始，不超过net初始化的节点数量）。任意拓扑结构都可以运行。

#include <bits/stdc++.h>
#include "recordlog.h"
#include <memory>

using std::cin;
using std::endl;
using std::cout;
#define pr(x)	cout<<#x<<" = "<<x<<" "
#define prln(x)	cout<<#x<<" = "<<x<<endl


#define NODE		(neurons[node])
#define NODE_GAIN	(NODE.energy)
#define NODE_THETA	(NODE.loss_energy)			//node节点的theta，也就是阈值
#define NODE_VALUE	(NODE_GAIN + NODE_THETA)	//node节点的实际能量（获得能量+theta）
#define NODE_OUTPUT 	(NODE.output)				//node节点的实际输出
#define NODE_PE		(NODE.partial_derivative)		//node节点output，对最终答案的导数
#define D_NODE		(derivative(NODE_VALUE))		//node节点获得的所有能量（加过theta的），对于node节点output的导数



#define NEXT_NODE		(neurons[nextnode.first])
#define NEXT_NODE_OUTPUT 	(NEXT_NODE.output)				//node节点的实际输出
#define NEXT_NODE_GAIN		(NEXT_NODE.energy)
#define NEXT_NODE_PE		(NEXT_NODE.partial_derivative)			//node节点output，对最终答案的导数
#define NEXT_NODE_THETA		(NEXT_NODE.loss_energy)				//node节点的theta，也就是阈值
#define NEXT_NODE_VALUE		(NEXT_NODE_GAIN + NEXT_NODE_THETA)	//node节点的实际能量（获得能量+theta）
#define D_NEXT_NODE		(derivative(NEXT_NODE_VALUE))			//node节点获得的所有能量（加过theta的），对于node节点output的导数
#define NODE_TO_NEXTNODE_WEIGHT (nextnode.second)

class neuron_t;
typedef std::pair<int, double> 		PID;
typedef std::vector<PID> 		neuron_array_t;
typedef std::vector<int>	  	vector_map_t;
typedef std::unique_ptr<neuron_t>	neuron_ptr_t;

class neuron_t
{
	public:
		double 			energy;
		double			output;
		int 			number;
		double 			loss_energy;
		neuron_array_t 		neuron_array;
		double			partial_derivative;
		bool			is_input;
		bool			is_output;
};

template<int neuron_size>
class net_t
{
	public:
		neuron_t		neurons[neuron_size];
		vector_map_t		vector_map[neuron_size];
		std::string		activation_way;			//激活函数的选择，默认ReLU

		std::vector<double>	input_weight;

		std::vector<int> 	output_number;
		std::vector<int> 	input_number;
		int 			tmp[neuron_size];		//临时数组，生成过n的全排列，和拓扑排序中记录入度。
		int 			height[neuron_size];		//辅助构图的高度数组
		int			topology[neuron_size];		//拓扑序
		double			rate;				//学习率
		int			userful_neuron_size;

		static double sigmoid(double