😄Numpy暴力手撕深度神经网络

一个沉迷于炼丹术的人工智能专业学生:smirk:
如果您对我的代码感兴趣，欢迎fork或issue！

✨环境要求

numpy==1.19.2
matplotlib==3.1.3

第一步，先clone我的代码

方法一：直接download_zip，然后解压
方法二：cmd里输入git clone https://github.com/AIHHU/Numpy-DNN运行，然后解压即可

第二步，配环境

😬我觉得这俩大多数人都有，如果没有，直接cmd里打

cd Numpy-DNN-main
pip install -r requirements.txt
稍微解释一下：首先进入项目文件夹，然后pip需要安装的软件包
关于requirements.txt怎么来的？：网上查一查pipreqs就知道了

第三步，直接运行

在cmd环境下：
☀️如果您对用单隐层神经网络处理线性回归感兴趣，输入以下代码：
python LR_demo.py --epoch 20 --batch_size 20 --learning_rate 0.01
☀️如果您对用深度神经网络处理线性回归感兴趣，输入以下代码：
python DNN_demo.py --epoch 40 --batch_size 20 --learning_rate 0.01
😈注意:使用深度神经网络处理线性回归的意思是，使用了非线性结构去拟合线性的数据集，因为这里我只写了一个线性数据的生成脚本，所以这里只做测试用，证明所写深度神经网络是有效的

第四步，查看结果

训练结束后，可以看到loss曲线的window，过程中所有的输出日志，已写入当前文件夹下的日志文件，运行结束后查看即可
如果您希望在cmd中直接查看输出日志，在demo文件中如下注释即可：

    #stdout_backup = sys.stdout
    #log_file = open("message_DNN.log", "w")
    #sys.stdout = log_file
    data=randDataGenerator(num_sample=num_sample,low=low,high=high)
    dataset=dataset_generator(data,weight=weight,bias=bias,no_zenguang=True) #其中有一个维度为增广维度
    model=Linear_regression(dataset)
    model.train()
    #log_file.close()
    #sys.stdout = stdout_backup
    model.visualize_loss()

😃最终Loss曲线我也上传在了sample文件夹内，感兴趣可以看看

如果您单纯地对线性回归感兴趣

可以访问我的AI studio项目：Numpy手撕线性回归