fengbingchun/NN_Test

解決的問題

本倉儲提供了 C++ 與 Python 中深度學習與機器學習實作的全面集合，作為建構神經網路與從零開始實作數學基礎的實用參考。

如何運作

此專案分為兩個主要環境：

• C++ 實作： 專注於數學公式（線性代數、機率、激活與損失函數）的底層實作，最佳化演算法（SGD、Adam 等），以及經典機器學習模型（如感知器、CNN、決策樹）。也包含與 OpenCV DNN、libtorch 及 ONNX Runtime 的整合，支援 YOLOv8/YOLO11。
• Python 實作： 提供現代 AI 框架的高階示範與指令碼。包含使用 Ollama 與 LangChain 的 RAG（檢索增強生成），使用 Ultralytics（YOLO）的物件偵測與分割，以及使用 PaddleOCR 的 OCR。

適用對象

• 想了解 ML 算法在 C++ 層級如何實作的 開發者
• 尋找 RAG、YOLOv8/11 及模型量化／剪枝快速啟動指令碼的 AI 工程師
• 學習深度學習數學基礎的 學生

主要亮點

• 雙語言支援： 基礎部分使用 C++ 實作，現代框架使用 Python 實作。
• 廣泛的演算法覆蓋： 從基礎的線性迴歸到高階的 YOLOv11 實例分割全部涵蓋。
• MLOps 工具： 包含模型剪枝、PTQ 量化與知識蒸餾的指令碼。
• RAG 集成： 提供 Ollama 與 LangChain RAG 流程的即用型範例。