纯C语言实现深度学习,能识别图像,不依赖第三方库
只是做了一些微小的工作MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM搜索github发现，使用C语言实现深度学习的项目确实不少，但是整体上质量都不太行。于是笔者决定本身写一个，要达到的方针是：
[*]纯C99，不用C++
[*]核心部门不依赖第三方库，甚至不需要stdio
[*]便利移植，不需要OS就可以跑
有兴趣的同学请直接clone
欢迎star/fork/comment三连
一、代码布局
在src/generic下面是这个深度学习库的核心部门，它没有include任安在这个目录之外的东西，包罗C语言的尺度库也没有。因此任何一个撑持C99的C编译器都可以进行编译。
src的其他目录是这个库的“移植方针”。在编译的时候要指定移植方针，移植方针目录里的文件会优先于generic目录里的同名文件，这样就能便利在分歧的方针下进行优化。常用的一些方针如下：
[*]os，适用于有操作系统的环境。这个方针需要使用stdio和stdlib，其实只需要提供printf和malloc就行了
[*]avx，适用于有Intel AVX指令集的环境。
[*]gloss，适合于有libgloss的嵌入式开发环境，一会儿我们在RISC-V环境中会用到
[*]emu，适合于AI加速器RTL仿真的环境，putc会使用向特定地址写入数据的方式实现，这样利于仿真环境抓取
二、MNIST 手写识别
在test/mnist目录下有手写识此外例子，输入“图片”以浮点数组的形式直接放在代码里：
离远了看就是“8”
直接敲make就可以得到最后一层的输出，以及推理的成果（第8个数最大，那就识别为8）
如果你安装了Python以及PyTorch，可以去py目录运行 python3 test.py，你可以使用PyTorch计算得到完全不异的成果，验证这个项目推理成果的正确性。
三、Resnet50 图像识别
Resnet50的权重太大了，没法包含在这个库里，所以请读者自行按照test/resnet50中的说明，安装Python以及TensorFlow之后，就能得到本项目所需要的权重。
然后还是在test/resnet50中敲make，可以得到推理成果
http://pic4.zhimg.com/v2-12e74681d79d1e46ae14ea0fb67b328b_r.jpg
推理成果，和TensorFlow的成果完全一致
四、BareMetal 交叉编译
既然本项目是个纯C库，以BareMetal模式运行在其他CPU上当然不成问题。请首先按照项目README的要求安装好RISC-V环境的交叉编译器、模拟器以及libgloss。
还是回到test/mnist这个目录，只需要
make clean
make riscv就可以拿到和刚才一模一样的输出了
五、这个项目有没有详细的资料
没有，本来就是for fun。此外代码里也没什么注释。代码本身就是注释。 大佬请问最终C语言实现深度学习的结果，就是代码训练速度和准确率这些和用python调用库写的有区别吗？[好奇] 您好，请问如果不需要一些特殊的函数例如printf，那么对于裸机环境，Newlib+libgloss是不是就可以免移植直接编译运行呢 同问 真实大佬中佬[爱]
页:
[1]