一个使用C#编写的用于神经网络的计算图框架computational graph。带有cnn,bp,fcn,lstm,convlstm等示例。使用方法接进pytorch。
架构完全使用c#编写，可以看到内部任何细节的实现，包含cnn,bp,fcn,lstm,convlstm等示例内容，包含示例所用的数据内容。 各项功能都在进行或者完事中，欢迎您参与此项事业，可与我联系：QQ群17375149，QQ20573886，email:xingyu900@live.com
- LOSS支持：MESLOSS,cross-entropy
- 激活函数支持：ReLu，Tanh，Sigmod，Softmax
- 数据类型支持： float[][] 与 float[][][,]，二维与四维
- 池化支持：平均池化，最大池化
- 其他支持：ConvLayer，Conv2DLayer，MulLayer
部分BP代码示例
//声明两个ConvLayer 和一个激活函数SigmodLayer
ConvLayer cl1 = new ConvLayer(13, 5, true);
SigmodLayer sl = new SigmodLayer();
float lr = 0.5f;
ConvLayer cl2 = new ConvLayer(5, 1, true);
int i = 0,a=0;
while (a < 5000)
{
dynamic ff = cl1.Forward(x);
ff = sl.Forward(ff);
ff = cl2.Forward(ff);
//计算误差
MSELoss mloss = new MSELoss();
var loss = mloss.Forward(ff, y);
Console.WriteLine("误差:" + loss);
dynamic grid = mloss.Backward();
//反传播w2
dynamic w22 = cl2.backweight(grid);
//反传播W1
dynamic grid1 = cl2.backward(grid);
grid1 = sl.Backward(grid1);
dynamic w11 = cl1.backweight(grid1);
//更新参数
cl2.weights = Matrix.MatrixSub(cl2.weights, Matrix.multiply(w22.grid, lr));
cl2.basicData = Matrix.MatrixSub(cl2.basicData, Matrix.multiply(w22.basic, lr));
cl1.weights = Matrix.MatrixSub(cl1.weights, Matrix.multiply(w11.grid, lr));
cl1.basicData = Matrix.MatrixSub(cl1.basicData, Matrix.multiply(w11.basic, lr));
i++;
a++;
}
