[C/C++]为什么手搓一个简版CNN并不难

我这个学期给本科生二年级教授“C/C++程序设计”，期末项目是实现一个简单的CNN inference，不能使用第三方库，只能手写代码实现。很多同学的第一反应是这个太难了，其实并非如此，本文详细介绍为何不难。

我前几日写过一篇文章介绍这样设计项目的初衷《[C/C++]期末作业实现一个CNN？》。为了让同学们更好起步，在我的研究生冯远滔同学帮助下，提供了一个训练好的模型，这个简单的CNN模型结构如下图。

这个模型可以区分图像中是否有人脸，图像尺寸128x128，输出是含两个元素的向量，两个数值分别表示是背景和人脸可能性。这个模型的所有参数都以C语言静态数组方式导出到CPP文件中。模型只包含conv、relu，maxpool和fc四种层。conv只有三层，且仅有3x3一种卷积核。这些都大大简化了实现难度。当然我鼓励学生实现更通用的CNN inference。这个简单模型的所有资料可以在 https://github.com/ShiqiYu/SimpleCNNbyCPP 下载 （或左下角“原文链接”）。

这个GitHub项目中，以代码方式详细介绍了参数的描述，如下：

for (int o = 0; o < out_channels; ++o) {
    for (int i = 0; i < in_channels; ++i) {
        // weights
        // first row of the kernel
        float 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 ...


        // bias
        float bias_oi = conv0_bias[o];
    }
}

如果不考虑程序运行效率，上面描述的CNN实现起来并不难。希望这个作业能让学生克服畏惧心理，增加一些自信心。

详细的视频讲解，请长按下方二维码访问：