我這個學期給本科生二年級教授“C/C++程序設計”，期末項目是實現一個簡單的CNN inference，不能使用第三方庫，只能手寫代碼實現。很多同學的第一反應是這個太難了，其實并非如此，本文詳細介紹為何不難。

我前幾日寫過一篇文章介紹這樣設計項目的初衷《[C/C++]期末作業實現一個CNN？》。為了讓同學們更好起步，在我的研究生馮遠滔同學幫助下，提供了一個訓練好的模型，這個簡單的CNN模型結構如下圖。

這個模型可以區分圖像中是否有人臉，圖像尺寸128x128，輸出是含兩個元素的向量，兩個數值分別表示是背景和人臉可能性。這個模型的所有參數都以C語言靜態數組方式導出到CPP文件中。模型只包含conv、relu，maxpool和fc四種層。conv只有三層，且僅有3x3一種卷積核。這些都大大簡化了實現難度。當然我鼓勵學生實現更通用的CNN inference。這個簡單模型的所有資料可以在 https://github.com/ShiqiYu/SimpleCNNbyCPP 下載 （或左下角“原文鏈接”）。

這個GitHub項目中，以代碼方式詳細介紹了參數的描述，如下：

for (int o = 0; o < out_channels; ++o) {for (int i = 0; i < in_channels; ++i) {// weights// first row of the kernelfloat kernel_oi_00 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 0];float kernel_oi_01 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 1];float kernel_oi_02 = conv0_weight[o*(in_channels*3*3) + i*(3*3) + 2];// and more rows ...// biasfloat bias_oi = conv0_bias[o];} }

如果不考慮程序運行效率，上面描述的CNN實現起來并不難。希望這個作業能讓學生克服畏懼心理，增加一些自信心。

詳細的視頻講解，請長按下方二維碼訪問：

總結

以上是生活随笔為你收集整理的[C/C++]为什么手搓一个简版CNN并不难的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。