ming-nndl 0.0.1

Neural Network and Deep Learning (NNDL) library based on PaddlePaddle

ming-nndl - Neural Network and Deep Learning

"我们不生产水，我们只是大自然的搬运工" 🚰

基于 PaddlePaddle 的神经网络与深度学习基础库，包含《神经网络与深度学习》书籍实验的完整实现。

📖 关于本项目

nndl 并不是一个公开的标准 Python 库（如 numpy 或 paddle），而是《神经网络与深度学习》这本书配套的自定义教学代码库。

正如《第1章 实践基础》中所述：

"为了更深入地理解深度学习的模型和算法，在本书中，我们也手动实现自己的算子库：nndl"

为什么要封装到 PyPI？

在原书的教学环境中，学习者需要手动下载源代码文件才能使用 nndl 库。这在 Google Colab 等云环境中使用时非常不便，每次都要上传或挂载代码文件。

本项目将课程老师提供的原始代码封装为标准 Python 包并发布到 PyPI，使得你可以在任何 Python 环境中一键安装：

pip install ming-nndl

这样就能直接在 Colab、Jupyter Notebook 或本地环境中运行书中的实验代码，无需手动管理文件。

声明

• 本项目代码来自课程老师提供的原始教学材料
• 仅进行了打包封装，未修改核心算法逻辑
• 目的是方便学习者使用，非其他用途

安装

pip install ming-nndl

功能特性

• 数据集工具 (dataset): 内置常用数据集加载器
• 优化器 (optimizer): 实现各类优化算法
• 运行器 (runner): 简化模型训练流程
• 评估指标 (metric): 常用评估指标计算
• 基础算子 (op): 神经网络基础操作
• 激活函数 (activation): 常用激活函数实现
• 工具函数 (tools): 可视化等辅助工具

快速开始

from nndl import RunnerV2
from nndl.dataset import MNIST
from nndl.optimizer import SGD

# 加载数据集
train_dataset = MNIST(mode='train')

# 创建运行器
runner = RunnerV2(model, optimizer=SGD(lr=0.01), metric='accuracy')

# 开始训练
runner.train(train_dataset, epochs=10)

依赖

• PaddlePaddle >= 2.0.0
• NumPy
• Matplotlib
• Pandas
• Pillow

项目链接

• GitHub: https://github.com/lgnorant-lu/nndl
• Issues: https://github.com/lgnorant-lu/nndl/issues

许可证

MIT License