fengbingchun/NN_Test

解决的问题

本仓库提供了 C++ 和 Python 中深度学习与机器学习实现的全面集合，作为构建神经网络和从零开始实现数学基础的实用参考。

如何工作

该项目分为两个主要环境：

• C++ 实现： 专注于数学公式（线性代数、概率、激活函数和损失函数）的底层实现，优化算法（SGD、Adam 等），以及经典机器学习模型（如感知机、CNN、决策树）。还包含与 OpenCV DNN、libtorch 和 ONNX Runtime 的集成，用于 YOLOv8/YOLO11。
• Python 实现： 提供现代 AI 框架的高级演示和脚本。包括使用 Ollama 和 LangChain 的 RAG（检索增强生成），使用 Ultralytics（YOLO）的物体检测和分割，以及使用 PaddleOCR 的 OCR。

适用人群

• 想了解 ML 算法在 C++ 层面如何实现的 开发者
• 寻找 RAG、YOLOv8/11 以及模型量化/剪枝快速启动脚本的 AI 工程师
• 学习深度学习数学基础的 学生

主要亮点

• 双语言支持： 基础部分使用 C++ 实现，现代框架使用 Python 实现。
• 广泛的算法覆盖： 从基础的线性回归到高级的 YOLOv11 实例分割全部涵盖。
• MLOps 工具： 包含模型剪枝、PTQ 量化和知识蒸馏的脚本。
• RAG 集成： 提供 Ollama 和 LangChain RAG 流水线的即用型示例。