卷积神经网络的C语言实现

卷积神经网络的C语言实现

代码实现环境是vs2019,po主使用这个代码实现了lenet-5模型的向前传播过程。不过可以通过改变主函数中的参数来实现其他模型。由于作者学艺不精，本代码只能实现卷积步长为1，池化方式只能选择最大池化，激活函数目前只写了Relu。如果小伙伴们有其他需求，可以自己修改代码~~
工程的实现主要分为两部分
第一部分是在python上做的分为以下几个步骤。
1.搭建模型以及训练模型及保存模型。
2.获取图片数据，po主的图片使用手机拍摄的所以要把图片转换为灰度图片，然后下载训练好的模型对图片数据进行预测。获取预测结果保存用来和C实现的预测过程进行对比。
3.获取模型参数，模型参数主要有模型的权重和bias,并把他们保存为.bin文件。
4.将输入图片保存为.bin文件。
5.（可做可不做，因为po主的最后结果不对，所以输出了每一层运算的结果来检查C的每一层输出）
第二部分工作是C实现，工程主要分为以下几个部分：
1.主函数，主函数类似于python中模型搭建，在主函数中调用各个层的的函数，完成向前传播的过程。
2.cnn.c，定义了输出层，卷积层，池化层，flatten层，全连接层和输出层的函数，以便在主函数中调用。
3.mat.c，卷积运算的实现。
注：在获取模型权重参数时，需要下载HDFView这个软件来获取各个层的名字

how to use
python下
1.在python环境下训练模型，并保存模型（python->model_train.py）
2.模型预测，获取模型预测的结果（python->model_predict.py）
3.获取模型各层权重参数（python->get_model_weight）
4.将图片转为.bin格式（python->image_to_array.py）
5.获取模型各层结果（get_layers_results.py）
C下：
1.根据需要修改网络结构，以及数据存放位置。
2.直接运行就可以了
附上代码的链接：https://github.com/lihui600/CNN-use-C-achieve.git
本文参考了Github代码，附代码链接： git clone https://github.com/Lucas-Wye/Face-Recognition-of-DeepID_Forward_Use_C.git

链接: link.