tiny-dnn安装与使用

简介：轻量级神经网络开源库。适用于部署到有限计算资源设备的深度学习算法。
安装：

1. 克隆源码库

git clone https://github.com/tiny-dnn/tiny-dnn

2. 使用编译工具cmake生成makefile文件
   安装cmake工具：
   教程(Ubuntu 18.04下安装最新CMake及CMake简单使用)

3. 若要执行tiny-dnn里面的项目或测试单元，执行以下命令

cd tiny-dnn
cmake -BUILD_EXAMPLES=ON -BUILD_TESTS=ON .
make

结果：examples文件夹中出现可执行文件。

4. 运行可执行文件
   （需要有data和4.bmp文件）

# 训练mnist数据集
./examples/example_mnist_train data
# 训练图片识别
./examples/example_mnist_test examples/4.bmp

5. 使用示例
   构造卷积神经网络：

#include "tiny_dnn/tiny_dnn.h" // 相对位置（对于下载的./tiny_dnn/tiny_dnn/tiny_dnn.h）
using namespace tiny_dnn;
using namespace tiny_dnn::activation;
using namespace tiny_dnn::layers;

void construct_cnn() {
    using namespace tiny_dnn;

    network<sequential> net;

    // add layers
    net << conv(32, 32, 5, 1, 6) << tanh()  // in:32x32x1, 5x5conv, 6fmaps
        << ave_pool(28, 28, 6, 2) << tanh() // in:28x28x6, 2x2pooling
        << fc(14 * 14 * 6, 120) << tanh()   // in:14x14x6, out:120
        << fc(120, 10);                     // in:120,     out:10

    assert(net.in_data_size() == 32 * 32);
    assert(net.out_data_size() == 10);

    // load MNIST dataset
    std::vector<label_t> train_labels;
    std::vector<vec_t> train_images;

    parse_mnist_labels("train-labels.idx1-ubyte", &train_labels);
    parse_mnist_images("train-images.idx3-ubyte", &train_images, -1.0, 1.0, 2, 2);

    // declare optimization algorithm
    adagrad optimizer;

    // train (50-epoch, 30-minibatch)
    net.train<mse, adagrad>(optimizer, train_images, train_labels, 30, 50);

    // save
    net.save("net");

    // load
    // network<sequential> net2;
    // net2.load("net");
}

创建多层感知器（mlp）

#include "tiny_dnn/tiny_dnn.h"
using namespace tiny_dnn;
using namespace tiny_dnn::activation;
using namespace tiny_dnn::layers;

void construct_mlp() {
    network<sequential> net;

    net << fc(32 * 32, 300) << sigmoid() << fc(300, 10);

    assert(net.in_data_size() == 32 * 32);
    assert(net.out_data_size() == 10);
}

创建mlp的另一种方式：

#include "tiny_dnn/tiny_dnn.h"
using namespace tiny_dnn;
using namespace tiny_dnn::activation;

void construct_mlp() {
    auto mynet = make_mlp<tanh>({ 32 * 32, 300, 10 });

    assert(mynet.in_data_size() == 32 * 32);
    assert(mynet.out_data_size() == 10);
}

注：若遇到与头文件路径相关的报错，可以用下面修改过的文件安装（放在/home下）
链接: https://pan.baidu.com/s/1zFNB5uBi5-K7HZALxuCcqg?pwd=bnkq 提取码: bnkq 复制这段内容后打开百度网盘手机App，操作更方便哦