深度学习框架 源码阅读 调试 分析 c++ tiny-dnn (2) - 以sinus_fit为例子

tiny-dnn

作图

tiny-dnn–sinus_fit 正弦函数拟合

调试预准备

• 去掉并行选项, 使用单线程, 这样可以看到完整的调用栈
• 熟悉 intel的 高级向量扩展指令集: Advanced Vector Extensions，简称AVX
• 对代码做一些修改，方便调试，具体见分支 prgrmz/dev

prgrmz/dev

• 以回归问题sinus_fit.cpp为例子

sinus_fit : 拟合正弦函数

名称解释

bwd_*

• bwd: barkward的缩写
• bwd_in_data:

在网络中，从后往前看，当看某层时，该层的输入数据 叫 bwd_in_data

常见…

基本是以层layer为话语对象 ， 来写的代码

比如 layer.h :: tiny_dnn::layer 的子类 fully_connected_layer.h 全连接层

• fwd_in_data_, fwd_out_data_

在该网络中，从前向后依次经过各层，喂给当前层的输入叫做 fwd_in_data_，当前层吐出的输出叫 fwd_out_data_

• bwd_in_data_, bwd_out_data_

在该网络中，从后向前依次经过各层，喂给当前层的输入叫做 bwd_in_data_，当前层吐出的输出叫 bwd_out_data_

• 注意，fwd_in_, bwd_in_, fwd_out_, bwd_out_ 中的 in都是左边的，out都是右边的。 in、out的含义有这种一致性。
• 但实际上 向量 fwd_in_data_ , bwd_in_data_ 中有三个元素, 依次是 data、weight、bias

可见 ， fwd_in_data_ , bwd_in_data_ 实际上 既是 喂给 当前层 的输入数据，又包含了 当前层自身的权重。

即 fwd_in_data_ , bwd_in_data_ 实际上 名不副实，应该是为了代码写起来方便。

• in_type_, out_type_

in_type_ ： 表示 fwd_in_data_ , bwd_in_data_ 中个元素的类型， 即 data、weight、bias

out_type_ ： 表示 fwd_out_data_ , bwd_out_data_ 中元素的类型， 即 data

• fwd_ctx_， bwd_ctx_

fwd_ctx_.in_data_ ： 是 fwd_in_data_的同义词，指向的是同一个对象

fwd_ctx_.out_data_ ： 是 fwd_out_data_的同义词，指向的是同一个对象

bwd_ctx_.in_data_ ： 是 bwd_in_data_的同义词，指向的是同一个对象

bwd_ctx_.out_data_ ： 是 bwd_out_data_的同义词，指向的是同一个对象