tiny_cnn 閱讀（1），tiny_cnn閱讀

tiny_cnn 閱讀（1），tiny_cnn閱讀

從今天起， 我會每天把閱讀tiny_cnn的閱讀心得提交到博客園中希望大家在這個平台上可以多多交流；

關於如果閱讀代碼？ 抓住重點，忽略細節

首先打開從github上下載的文件：

通過csdn和網上搜索一番會知道這個文件的各個目錄存放的是什麼；

我用${root} 代表到tiny-cnn-master的路徑，這個變量會在注釋中用到；

首先打開vs/2014 ，用MS studio開開這個項目 ， 找到main.cpp

發現會調用sample1_convnet（）函數 ，如圖1 所示

圖1 main方法截圖

而我們運行的時候確實沒有輸入任何參數,可見是運行的第45行, 既然是這樣,需要找到無參數的時候調用那個函數?

第35行， 我們知道了 sample1_convnet（）函數的參數值是data_dir_path = ./../data

這個變量至今還沒有使用到，因此我們不必往下深究 ， 只要知道.data_dir_path 是數據所在的路徑即可；

》》》進入void sample1_convnet(const string& data_dir_path) 函數裡面：

第一句話：

使我們不得不了解一下這兩個泛型:

mse:

   
@see: ${root}/tiny_cnn/optimzers/optimizer.h
    
 
 

gradient_descent_levenberg_marquardt:

   
 @see: ${root}/tiny_cnn/optimzers/optimizer.h
 

以上這兩個函數也是沒有用到,但是我們可以查看一下,因為代碼很簡潔

mse：

如圖2-1所示：

在tiny_cnn中支持兩種損失函數：

（1）mean squared error均方差函數

（2）cross entropy 交叉熵

通過閱讀代碼可知;

   
a ）這是兩個數學公式轉化過來的： 
 

   
  f（y，t） =  （y  - t ）^2 / 2  
 

   
df( y , t ) = y – t   ,  其中 y 和t 理論上都是從負無窮到正無窮的實數
    
b）該程序使用的自會有mse這一種損失函數 , 如果我們想要修改的或者做改進的話, 也可以從這裡入手; 
    
比如換一種損失函數. 改進一下這個函數等等..
 

圖2-1 ：mse函數的實現

gradient_descent_levenberg_marquardt:

network

   
@see ${root}/tiny_cnn/network.h