python实现的CNN代码

【实例简介】
本资料为基于python的卷积神经网络(CNN)实现 layer文件夹中包括卷积层、池化层、全连接层、relu层等基础层 没有调用tensorflow, pytorch等深度学习框架，手动实现了各层的反向传播BP算法
【实例截图】
【核心代码】
4744300845145090815.rar
└── code
├── criterion
│   ├── euclidean_loss.py
│   ├── __init__.py
│   ├── __pycache__
│   │   ├── euclidean_loss.cpython-36.pyc
│   │   ├── __init__.cpython-36.pyc
│   │   └── softmax_cross_entropy.cpython-36.pyc
│   └── softmax_cross_entropy.py
├── homework_3.ipynb
├── im2col.py
├── layers
│   ├── conv_layer.py
│   ├── fc_layer.py
│   ├── im2col.py
│   ├── __init__.py
│   ├── pooling_layer.py
│   ├── __pycache__
│   │   ├── conv_layer.cpython-36.pyc
│   │   ├── fc_layer.cpython-36.pyc
│   │   ├── __init__.cpython-36.pyc
│   │   ├── pooling_layer.cpython-36.pyc
│   │   ├── relu_layer.cpython-36.pyc
│   │   ├── reshape_layer.cpython-36.pyc
│   │   ├── sigmoid_layer.cpython-36.pyc
│   │   └── tanh_layer.cpython-36.pyc
│   ├── relu_layer.py
│   ├── reshape_layer.py
│   └── sigmoid_layer.py
├── network.py
├── optimizer.py
├── plot.py
├── __pycache__
│   ├── im2col.cpython-36.pyc
│   ├── network.cpython-36.pyc
│   ├── optimizer.cpython-36.pyc
│   ├── plot.cpython-36.pyc
│   └── solver.cpython-36.pyc
└── solver.py

6 directories, 33 files