从今天起， 我会每天把阅读tiny_cnn的阅读心得提交到博客园中希望大家在这个平台上可以多多交流；

关于如果阅读代码？ 抓住重点，忽略细节

首先打开从github上下载的文件：

通过csdn和网上搜索一番会知道这个文件的各个目录存放的是什么；

我用${root} 代表到tiny-cnn-master的路径，这个变量会在注释中用到；

首先打开vs/2014 ，用MS studio开开这个项目 ， 找到main.cpp

发现会调用sample1_convnet（）函数 ，如图1 所示

 

图1 main方法截图

而我们运行的时候确实没有输入任何参数,可见是运行的第45行, 既然是这样,需要找到无参数的时候调用那个函数?

第35行， 我们知道了 sample1_convnet（）函数的参数值是data_dir_path = ./../data

这个变量至今还没有使用到，因此我们不必往下深究 ， 只要知道.data_dir_path 是数据所在的路径即可；

 

》》》进入void sample1_convnet(const string& data_dir_path) 函数里面：

第一句话：

 

使我们不得不了解一下这两个泛型:

mse:

@see: ${root}/tiny_cnn/optimzers/optimizer.h

 

gradient_descent_levenberg_marquardt:

@see: ${root}/tiny_cnn/optimzers/optimizer.h

以上这两个函数也是没有用到,但是我们可以查看一下,因为代码很简洁

mse：

如图2-1所示：

在tiny_cnn中支持两种损失函数：

（1）mean squared error均方差函数

（2）cross entropy 交叉熵

 

通过阅读代码可知;

a ）这是两个数学公式转化过来的：

  f（y，t） =  （y  - t ）^2 / 2 

df( y , t ) = y – t   ,  其中 y 和t 理论上都是从负无穷到正无穷的实数

b）该程序使用的自会有mse这一种损失函数 , 如果我们想要修改的或者做改进的话, 也可以从这里入手;

比如换一种损失函数. 改进一下这个函数等等..

图2-1 ：mse函数的实现

gradient_descent_levenberg_marquardt:

 

network

@see ${root}/tiny_cnn/network.h