AI入门之神经网络（6）—初始化3层网络结构的代码（opencv、c++）

一个简单的3层网络，每句代码都有注释，相信有点基础的你都能看懂！

//网络每层的结构
/*声明输入层，中间层，输出层的结构*/
	vector<int> layer_number = { 784,100,10 };//3层网络。每层的神经元个数
	vector<Mat> layer;//定义网络层
	layer.resize(layer_number.size());//为矩阵类型的layer动态数组声明元素个数（相当于layer[3]）
	for (int i=0;i<layer.size();i++)
	{
		//创建网络的每一层，循环第一次创建输入层的784个神经元，循环第二次创建第二层的100个神经元循环，第三次创建输出层的10个神经元
		layer[i].create(layer_number[i], 1, CV_32FC1);
	}

	/*声明权重矩阵的结构*/
	vector<Mat> weights;//定义权重矩阵
	weights.resize(layer_number.size() - 1);//为矩阵类型的weights动态数组声明元素个数（相当于weights[2]）,只有2个元素是因为输出层之后没有权重矩阵
	for (int i=0;i<weights.size();i++)
	{
		//创建权重矩阵，循环第一次创建的是第一层和第二层之间的权重矩阵（100行，784列），循环第二次是创建的是第二层和输出层之间的权重矩阵（10行，100列）
		weights[i].create(layer[i + 1].rows, layer[i].rows, CV_32FC1);
	}

	/*声明偏置向量*/
	vector<Mat> bias;//定义偏置向量（虽然是矩阵类型，但是只有1列，所以可以看作是一个列向量）
	bias.resize(layer_number.size() - 1);//为矩阵类型的bias动态数组声明元素个数（相当于bias[2]）,只有2个元素是因为输出层之后没有偏置向量
	for (int i=0;i<bias.size();i++)
	{
		//创建权重矩阵，循环第一次创建的是第一层和第二层之间的偏置向量（100行，1列），循环第二次是创建的是第二层和输出层之间的权重矩阵（10行，1列）
		bias[i].create(layer[i + 1].rows, 1, CV_32FC1);
		//为每一层之间的偏置向量初始化为0（3层网络就2个偏置向量）
		bias[i] = Mat::zeros(layer[i + 1].rows, 1, CV_32FC1);
	}
	//cout << layer[0] << endl << weights[0] << endl << bias[0] << endl;//打印第一层的节点，权重，偏置


	
/*初始化权重矩阵（输入层与第二层之间的权重矩阵，第二层与输出层的权重矩阵）*/
	for (int i=0;i<weights.size();i++)
	{
		//用正态分布的随机数填充矩阵，函数randn用指定的平均向量和标准偏差矩阵用正态分布的随机数填充矩阵,生成的随机数被剪裁以适合输出数组数据类型的值范围。
		randn(weights[i], 0.0, 0.1);
	}
	//cout << weights[0];//打印随机赋值的结果

	

/*初始化偏置向量（输入层与第二层之间的偏置向量，第二层与输出层之间的偏置向量）*/
	for (int i=0;i<bias.size();i++)
	{
		bias[i] = Scalar(0.05);//Scalar 类表示是一维数组，传入一个数的地址，为bias的每个元素赋值这个数字
	}
	//cout << bias[0];//打印统一赋值的结果

纯纯的干活，如果你喜欢，可以3连呦！
博主还在努力写剩下的神经网络代码，这只是一个开胃菜！
欢迎加群：109530447