这是我的博客《不用框架，使用Python搭建基于numpy的卷积神经网络来进行cifar-10分类的深度学习系统》的代码实现。 该代码有两个主要部分和其他组成：
训练
测试
其他：卷积层可视化
依赖：
Python3.6 numpy;pillow;scipy;matplotlib
IED:
spyder;jupyter notebook;
其中训练部分由两个Python文件和一个文件夹组成：
data_utils.py
cnn.py
./cifar-10-batches-py$ ls
batches.meta data_batch_2 data_batch_4 test_batch
data_batch_1 data_batch_3 data_batch_5
[注：cifar-10-batches-py文件夹存放的是cifar—10数据集，相应的data_utils.pyPython文件是提取数据集的代码。]
测试部分由两个Python文件和一个文件夹组成：
data_utils.py
CNN_test.py
./param$ ls
all_param.pkl diff_9.npy param_10.npy
diff_0.npy img_0.png param_1.npy
diff_10.npy img_data_1_con1[10-32-30-30].png param_2.npy
diff_1.npy img_data_2_maxpool1[10-32-14-14].png param_3.npy
diff_2.npy img_data_3_relu1.png param_4.npy
diff_3.npy img_data_4_con2[10-16-14-14].npy.png param_5.npy
diff_4.npy img_data_5_maxpooling2[10-16-6-6].png param_6.npy
diff_5.npy img_data_6_relu2[10-16-6-6].png param_7.npy
diff_6.npy img_去均值之后的图像.png param_8.npy
diff_7.npy img_去均值之前的图像.png param_9.npy
diff_8.npy param_0.npy
[注：param文件夹中存放的是训练好的wangluo参数]
运行代码： 1.训练：
python cnn.py
输出：
2.测试：
python CNN_test.py
输出：
load data: ./cifar-10-batches-py/data_batch_1
load data: ./cifar-10-batches-py/data_batch_2
load data: ./cifar-10-batches-py/data_batch_3
load data: ./cifar-10-batches-py/data_batch_4
load data: ./cifar-10-batches-py/data_batch_5
load data: ./cifar-10-batches-py/test_batch
去均值之前的图像:
(3, 32, 32)
6
[[ 59. 43. 50.]
[ 16. 0. 18.]
[ 25. 16. 49.]]
save pic to: ./param/img_去均值之前的图像.png
done!
去均值之后的图像:
(3, 32, 32)
3
[[ -71.71074 -87.14036 -81.05044]
[-114.0993 -129.3446 -112.2169 ]
[-104.72472 -112.71662 -80.47348]]
save pic to: ./param/img_去均值之后的图像.png
done!
net build ok
该图正确的标签是：3
预测到该图的标签是：[6]
正确率为：0.0