DATA620004：神经网络和深度学习作业1

复旦大学 神经网络和深度学习 HW1

任务：使用仅 numpy 构建的三层神经网络，在 fashion-mnist 数据集上实现图像分类。

文件结构

• Homework_main.py：包括数据载入、模型训练、参数权重存储以及测试的完整流程。
• Homework_search.py：进行参数网格搜索，评估不同参数组合的模型训练效果。
• weights_visual.py：训练权重参数的可视化。

快速开始

安装依赖

安装必需的 Python 库：

pip install numpy matplotlib tqdm

数据准备

确保将数据集存放在以下目录中：

/fashion-mnist/

训练模型

1. 打开 Homework_main.py，根据需求调整网络设置和 train_my_network() 函数的参数。
2. 执行以下命令以启动训练：

python Homework_main.py

训练完成后，模型的损失图像和验证集准确率图像将被保存到指定目录。

测试模型

在模型参数保存之后，系统会自动执行测试并返回测试集上的准确率结果。您也可以通过加载保存的参数并调用测试函数进行单独测试。

权重可视化

运行 weights_visual.py 以读取并可视化训练过的权重参数：

python weights_visual.py