LKYDeepNN

---

LKYDeepNN

• 可訓練的深度類神經網路 (Deep Neural Network) 函式庫。
• 輕量，核心部份只依賴 C++11 標準函式庫，低相依性、好移植，方便在嵌入式系統上使用。

Class diagram

附有訓練視覺化 demo 程式

• 訓練視覺化程式以 OpenCV 撰寫，但 LKYDeepNN 本身不依賴 OpenCV。
• 繪圖功能僅以 function pointer 傳入物件中，在訓練過程中呼叫。
• 下面這2張圖 ↓ ↓ ↓ ↓ 是 33fps 的 GIF，分別是 classification 和 regression。如果不會動的話，請按 F5 重新整理網頁，或是單獨對圖檔另開新視窗就可以看到動畫了。
  
  　　
  
  

隱藏層的層數和節點數可以任意設定，簡單又有彈性

• std::vector<int>(8,7) 8個隱藏層，每層都是7個節點，還可以再高，只要記憶體夠大的話。
• std::vector<int>{5,5,6,6} 4個隱藏層，每層節點數分別是:5個、5個、6個、6個。
• LKYDeepNN::LKYDeepNN(9, std::vector<int>{4,8}, 7) 代表輸入點9個、2個隱藏層分別是4節點和8節點，最後輸出層有7個節點。
• 目前只能 Fully-Connected，未來會考慮實作 Dropout-Connected 或 Fuzzy-Connected

自由設定活化函數

• LKYDeepNN::SetActivation( 隱藏層 , 輸出層 )
• LKYDeepNN::SetActivation( new Tanh() ,new Linear() ) //回歸推薦使用
• LKYDeepNN::SetActivation( new ReLU() ,new Softmax() ) //分類推薦使用
• 目前已經有: SeLU, ReLU, Tanh, Softmax, Sigmoid, Linear
• 可以繼承 abstract class Activation 自由實作任意活化函數

訓練

• void LKYDeepNN::Training(double learningRate, int epochs, std::vector<vector<double>> trainData)
• 每一筆資料都需要先整理成 std::vector<double>
• std::vector<vector<double>> 就是很多筆資料，這個才能餵給模型。

未來預計處理issue

• Xavier initialization
• He initialization
• 可保存和讀取的 Weights 和 Biases
• 更豐富得測試資料集
• Cross Entropy BP（測試中）
• Hinge Loss Function（努力中）
• Early Stopping
• L1 & L2 Regularization
• Copy Constructor
• 資料正規化工具
• 更多活化函數。
• 訓練過程中可自適應的動態 Learning Rate
• Weights 分析工具
• Convolution Layer

編譯參數

• 在 .vscode/tasks.json 裡

Reference:

• James D. McCaffrey 的類神經網路 Coding Neural Network Back-Propagation Using C#。有一個我用 C++ 修改後的版本，其中一個 branch 是 2-Hidden-Layer mosdeo/NeuralNetwork
• 倒傳遞演算法是看這篇文章做的 A Step by Step Backpropagation Example
• 測試資料的產生函式，大多是從這邊抓 js 來改 Tensorflow Playground

致謝

• 由 贊助上班時間產出。