LeNet-5神经网络——C源代码

【文件属性】：

文件名称：LeNet-5神经网络——C源代码

文件大小：10.99MB

文件格式：ZIP

更新时间：2021-08-29 04:49:42

人工智能 深度学习 c语言

LeNet-5神经网络 C源代码，这个写的比较好，可以用gcc编译去跑，结合理论可以对深度学习有更深刻的了解 介绍 根据YANN LECUN的论文《Gradient-based Learning Applied To Document Recognition》设计的LeNet-5神经网络，C语言写成，不依赖任何第三方库。 MNIST手写字符集初代训练识别率97%，多代训练识别率98%。 DEMO main.c文件为MNIST数据集的识别DEMO，直接编译即可运行，训练集60000张，测试集10000张。 项目环境 该项目为VISUAL STUDIO 2015项目，用VISUAL STUDIO 2015 UPDATE1及以上直接打开即可编译。采用ANSI C编写，因此源码无须修改即可在其它平台上编译。 如果因缺少openmp无法编译，请将lenet.c中的#include和#pragma omp parallel for删除掉即可。 API #####批量训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 inputs： 要训练的多个图片对应unsigned char二维数组的数组,指向的二维数组的batchSize倍大小内存空间指针。在MNIST测试DEMO中二维数组为28x28，每个二维数组数值分别为对应位置图像像素灰度值 resMat：结果向量矩阵 labels：要训练的多个图片分别对应的标签数组。大小为batchSize batchSize:批量训练输入图像（二维数组）的数量 void TrainBatch(LeNet5 *lenet, image *inputs, const char(*resMat)[OUTPUT],uint8 *labels, int batchSize); #####单个训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input： 要训练的图片对应二维数组 resMat：结果向量矩阵 label: 要训练的图片对应的标签 void Train(LeNet5 *lenet, image input, const char(*resMat)[OUTPUT],uint8 label); #####预测 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input: 输入的图像的数据 labels: 结果向量矩阵指针 count: 结果向量个数 return 返回值为预测的结果 int Predict(LeNet5 *lenet, image input, const char(*labels)[LAYER6], int count); #####初始化 lenet: LeNet5的权值的指针，LeNet5神经网络的核心

【文件预览】：
LeNet-5-master
----LeNet-5.xcodeproj()
--------project.xcworkspace()
--------project.pbxproj(8KB)
--------xcuserdata()
----LeNet-5()
--------LeNet-5.vcxproj(7KB)
--------t10k-labels-idx1-ubyte(10KB)
--------main.c(3KB)
--------train-images-idx3-ubyte(44.86MB)
--------lenet.h(2KB)
--------t10k-images-idx3-ubyte(7.48MB)
--------LeNet-5.vcxproj.filters(2KB)
--------train-labels-idx1-ubyte(59KB)
--------lenet.c(10KB)
----LeNet-5.sln(1KB)
----LICENSE(1KB)
----.gitignore(3KB)
----README.md(2KB)
----.gitattributes(2KB)