一个简单的卷积神经网络代码

Question

我对卷积神经网络（CNN）感兴趣，作为计算广泛的应用程序的一个例子，适用于使用可重新配置的硬件加速（即让我们说FPGA）

为了做到这一点，我需要检查一个简单的CNN代码，我可以用它来理解它们是如何实现的，每个层中的计算如何发生，每个层的输出如何被输入到输入下一个。我熟悉理论部分（http://cs231n.github.io/convolutional-networks/）

但是，我对训练CNN不感兴趣，我想要一个完整的，自包含的CNN代码，这是经过预先训练的，所有的权重和偏差值都是已知的。

我知道有很多CNN库，即Caffe，但问题是没有自包含的简单示例代码。即使是最简单的Caffe例子＆＃34; cpp_classification＆＃34;调用了许多库，CNN的体系结构表示为.prototxt文件，其他类型的输入如.caffemodel和.binaryproto。也调用openCV2库。有抽象层和层，不同的库一起工作以产生分类结果。

我知道需要那些抽象来产生一个可用的＆＃34; CNN的实施，但对于需要学习骨干代码的硬件人来说，这太过于无关紧要的工作＆＃34;。

我的问题是：任何人都可以引导我进入一个简单且独立的CNN实施，我可以从这开始吗？

Answer 1

我可以推荐tiny-cnn。它简单，轻便（例如仅限标题）和仅CPU，同时提供文献中经常使用的若干层（例如汇集层，丢失层或局部响应归一化层）。这意味着，您可以轻松地在C ++中探索这些层的有效实现，而无需了解CUDA并按照Caffe等框架的要求挖掘I / O和框架代码。该实现缺少一些注释，但代码仍然易于阅读和理解。

提供的MNIST example非常容易使用（不久前自己尝试过）并且有效地训练。在训练和测试之后，权重被写入文件。然后，您有一个简单的预训练模型，您可以从该模型开始，查看提供的examples/mnist/test.cpp和examples/mnist/train.cpp。它可以轻松加载以进行测试（或识别数字），以便您可以在执行学习模型时调试代码。

如果您想检查更复杂的网络，请查看Cifar-10 Example。

Answer 2

这是我见过的最简单的实现：DNN McCaffrey

此外，this by Karpathy的源代码看起来非常简单。