我這個(gè)學(xué)期給本科生二年級(jí)教授“C/C++程序設(shè)計(jì)”，期末項(xiàng)目是實(shí)現(xiàn)一個(gè)簡(jiǎn)單的CNN inference，不能使用第三方庫，只能手寫代碼實(shí)現(xiàn)。很多同學(xué)的第一反應(yīng)是這個(gè)太難了，其實(shí)并非如此，本文詳細(xì)介紹為何不難。

我前幾日寫過一篇文章介紹這樣設(shè)計(jì)項(xiàng)目的初衷《[C/C++]期末作業(yè)實(shí)現(xiàn)一個(gè)CNN？》。為了讓同學(xué)們更好起步，在我的研究生馮遠(yuǎn)滔同學(xué)幫助下，提供了一個(gè)訓(xùn)練好的模型，這個(gè)簡(jiǎn)單的CNN模型結(jié)構(gòu)如下圖。

這個(gè)模型可以區(qū)分圖像中是否有人臉，圖像尺寸128x128，輸出是含兩個(gè)元素的向量，兩個(gè)數(shù)值分別表示是背景和人臉可能性。這個(gè)模型的所有參數(shù)都以C語言靜態(tài)數(shù)組方式導(dǎo)出到CPP文件中。模型只包含conv、relu，maxpool和fc四種層。conv只有三層，且僅有3x3一種卷積核。這些都大大簡(jiǎn)化了實(shí)現(xiàn)難度。當(dāng)然我鼓勵(lì)學(xué)生實(shí)現(xiàn)更通用的CNN inference。這個(gè)簡(jiǎn)單模型的所有資料可以在 https://github.com/ShiqiYu/SimpleCNNbyCPP 下載 （或左下角“原文鏈接”）。

這個(gè)GitHub項(xiàng)目中，以代碼方式詳細(xì)介紹了參數(shù)的描述，如下：

for (int o = 0; o < out_channels; ++o) {for (int i = 0; i < in_channels; ++i) {// weights// first row of the kernelfloat kernel_oi_00 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 0];float kernel_oi_01 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 1];float kernel_oi_02 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 2];// and more rows ...// biasfloat bias_oi = conv0_bias[o];} }

如果不考慮程序運(yùn)行效率，上面描述的CNN實(shí)現(xiàn)起來并不難。希望這個(gè)作業(yè)能讓學(xué)生克服畏懼心理，增加一些自信心。

詳細(xì)的視頻講解，請(qǐng)長(zhǎng)按下方二維碼訪問：

總結(jié)

以上是生活随笔為你收集整理的[C/C++]为什么手搓一个简版CNN并不难的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。