# npnn

**Repository Path**: xforcevesa/npnn

## Basic Information

- **Project Name**: npnn
- **Description**: A Ultra Lightweight Neural Network Engine totally based on NumPy
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-07-15
- **Last Updated**: 2025-11-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NPNN: 基于 NumPy 的超轻量级神经网络引擎

NPNN 是一个基于 NumPy 的轻量级神经网络引擎，旨在提供简单易用的接口用于实现和训练神经网络模型。该项目适合用于学习神经网络的基本原理和实现细节。

## 功能特性

- 实现了梯度下降和反向传播算法
- 提供了基本的神经网络操作符，如加法、乘法、矩阵乘法、ReLU 激活函数、Softmax 激活函数等
- 支持基本的优化器和损失函数，如交叉熵损失、均方误差损失等
- 提供了用于测试和演示的 MNIST 手写数字识别示例

## 安装要求

- Python >= 3.7
- scikit-learn
- matplotlib
- numpy

## 运行测试

安装依赖：

```bash
pip install scikit-learn matplotlib numpy
```

运行测试：

```bash
python test_mnist.py
```

## 示例结果

训练过程中生成的损失和准确率曲线如下所示：

![Training Analysis](./training_analysis_composite.png)
![MNIST Training Curves](./mnist_training_curves.png)

## 项目结构

- `npnn/functional.py`: 提供常用的激活函数和损失函数
- `npnn/model.py`: 实现神经网络模型的基本组件，如线性层
- `npnn/ops.py`: 实现神经网络中的各种操作符，如加法、乘法、矩阵乘法等
- `npnn/optim.py`: 提供优化器的基本实现
- `npnn/tensor.py`: 实现神经网络中的张量数据结构
- `test_mnist.py`: 提供 MNIST 手写数字识别的测试示例

## 贡献

欢迎贡献代码和文档，帮助完善 NPNN 项目。请提交 Pull Request 或报告问题。

## 许可证

该项目遵循 MIT 许可证。详情请查看 LICENSE 文件。