tinn

Tinn (Tiny Neural Network)은 C99로 작성된 200 라인 의존성 무료 신경망 라이브러리입니다.

손으로 작성된 숫자를 배우는 방법에 대한 데모의 경우 교육 데이터를 얻으십시오.

 wget http://archive.ics.uci.edu/ml/machine-learning-databases/semeion/semeion.data

make; ./test

훈련 데이터는 천천히 그리고 빠르게 작성된 손으로 작성된 숫자로 구성됩니다. 데이터 세트의 각 라인은 하나의 필기 숫자에 해당합니다. 각 숫자는 16x16 픽셀이며 신경망에 256 개의 입력을 제공합니다.

줄 10 자리가 끝날 때 손으로 작성된 숫자를 나타냅니다.

 0: 1 0 0 0 0 0 0 0 0 0
1: 0 1 0 0 0 0 0 0 0 0
2: 0 0 1 0 0 0 0 0 0 0
3: 0 0 0 1 0 0 0 0 0 0
4: 0 0 0 0 1 0 0 0 0 0
...
9: 0 0 0 0 0 0 0 0 0 1

이것은 신경망에 10 개의 출력을 제공합니다. 테스트 프로그램은 각 숫자의 정확도를 출력합니다. 올바른 숫자의 경우 99% 이상의 정확도가 예상되고 다른 숫자의 경우 0.1% 미만입니다.

특징

• 휴대용 - C99 또는 C ++ 98 컴파일러가있는 곳에서 실행됩니다.

• Sigmoidal 활성화.

• 하나의 숨겨진 층.

팁

• Tinn은 C 표준 라이브러리보다 더 많이 사용하지 않습니다.

• Tinn은 임베디드 시스템에 적합합니다. 강력한 데스크탑에서 모델을 훈련시키고 마이크로 컨트롤러에로드하고 아날로그에서 디지털 변환기를 사용하여 실시간 이벤트를 예측하십시오.

• TINN 소스 코드는 항상 200 줄 미만입니다. Tinn 헤더에서 외부인 함수는 XT 의 네임 스페이스로 보호됩니다.

• Tinn은 약간의 독창성으로 다중 스레드를 쉽게 할 수 있지만 마스터 브랜치는 내장 시스템의 개발을 돕기 위해 단일 스레드로 유지됩니다.

• Tinn은 랜덤 숫자 생성기를 시드하지 않습니다. 그렇게하는 것을 잊지 마십시오.

• 항상 입력 데이터를 셔플하십시오. 훈련 반복마다 다시 셔플하십시오.

• 학습 속도를 어닐링하여 더 큰 훈련 정확도를 얻으십시오. 예를 들어, 학습 속도에 각 훈련 반복마다 0.99를 곱하십시오. 이것은 좋은 학습 미니 마에서 제로가 될 것입니다.

부인 성명

Tinn은 미니멀리즘의 관행입니다.

Tinn은 Kann 또는 Genann과 같은 완전히 특징된 신경망 C 라이브러리가 아닙니다.

 https://github.com/attractivechaos/kann

https://github.com/codeplea/genann

포트

 Rust: https://github.com/dvdplm/rustinn

다른

Tinn NN 및 CTypes를 사용한 튜토리얼

200 줄의 코드의 작은 신경망 라이브러리