fengbingchun/NN_Test

何を解決するか

このリポジトリは、C++ および Python でのディープラーニングと機械学習の実装を包括的に提供し、ニューラルネットワークの構築や数学的基盤の自作実装に役立つ実用的なリファレンスとして機能します。

仕組み

プロジェクトは2つの主要な環境に分かれています：

• C++ 実装： 線形代数、確率、活性化関数および損失関数などの数学的式の低レベル実装に焦点を当てています。また、最適化アルゴリズム（SGD、Adamなど）、およびパーセプトロン、CNN、決定木などの古典的機械学習モデルも含まれます。OpenCV DNN、libtorch、ONNX Runtime との統合も実装されており、YOLOv8/YOLO11 に対応しています。
• Python 実装： 現代的なAIフレームワークの高レベルなデモとスクリプトを提供します。Ollama と LangChain を用いた RAG（Retrieval-Augmented Generation）、Ultralytics（YOLO）を用いた物体検出およびセグメンテーション、PaddleOCR を用いたOCRが含まれます。

対象読者

• C++レベルでのMLアルゴリズムの実装方法を知りたい開発者
• RAG、YOLOv8/11、モデルの量子化・剪定のための即時スタートスクリプトを探しているAIエンジニア
• ディープラーニングの数学的基盤を学んでいる学生

特徴

• 二言語対応： 基礎部分にはC++、現代的なフレームワークにはPythonを使用した実装。
• 広範なアルゴリズムカバレッジ： 基本的な線形回帰から、高度な YOLOv11 インスタンスセグメンテーションまでをカバー。
• MLOpsツール： モデルの剪定、PTQ量子化、知識蒸留のためのスクリプトを含む。
• RAG統合： Ollama と LangChain 用の即時利用可能な RAG パイプラインの例を提供。