# mini-torch

**Repository Path**: Huterox/mini-torch

## Basic Information

- **Project Name**: mini-torch
- **Description**: 完全基于Python实现的深度学习框架，用于学习与交流，未来将用于个人深度学习项目开发。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: devlops
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-04-01
- **Last Updated**: 2025-02-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目简介
完全基于Python实现的深度学习框架，用于学习与交流，未来将用于个人深度学习项目开发。
我们将进行一系列的更新，以使其更加完善。（动态图执行）

# 项目结构
- core：核心模块，包括神经网络、优化器、损失函数等
- datasets：数据集模块，包括MNIST、CIFAR-10等数据集的加载与处理
- models：模型模块，包括LeNet、ResNet等经典模型的实现
- utils：工具模块，包括数据预处理、可视化等功能
- examples：示例模块，包括MNIST分类、CIFAR-10分类等示例代码
- tests：测试模块，包括单元测试和集成测试
- docs：文档模块，包括API文档和教程文档
- quantification 专门为量化预测开发的优化包

# 开发日志
请以最新的开发日志为准
- tests
  - day01 当前测试包已经废弃 -- 2024-4-2
- all
  取消部分函数的类型声明，核心输入输出参见下文日志
  - day02 重构整个函数变量传递，输入的是Variable类型，但是输出是np.array类型（在forward函数当中，在call当中进行转换）
  - day02 底层算法修改为支持np.array矩阵类型的计算，Variable将支持高纬度计算
  - day02 底层backward函数，将dfs修改为bfs（加上排序的层次dfs），完成正确的梯度计算顺序，满足偏导法则
  - day02 优化Variable，支持魔法操作，求取梯度
  - day02 逐步完成Variable的__add__、__sub__、__mul__、__div__、__pow__、__neg__、__abs__、__matmul__、__radd__、__rsub__、__rmul__、__rdiv__、__rpow__、__rmatmul__魔法操作
  - day02 完成网络模型可视化（输出拓扑图)
    - day02 下可看到输出拓扑结构图
  - day03 完成线性回归测试，框架已经可以正常运行，尝试进入神经网络组件编写
- all
  - 当前2024-4-3 可用版本为 v0.13-latest
  - v0.14 版本将更新高阶导数实现，test 包下的day03的optimzer_step 废弃。
  - day03 函数重新修改为支持np.array类型，并且支持高纬度计算(矩阵偏导（雅可比行列式进行一阶计算），导导实现二阶)
  - day03 基于cupy开始进行gpu的支持，当前本地开发cuda版本为V10.1,此模块安装较为麻烦。版本更新为 v0.15
  - day03 完成线性回归测试，支持矩阵高阶导数运算的前提下。day03 liner_reg 
  - day03 增加线性回归example
- all
- 版本更新为0.2.0（0.20）版本，所有代码全部重构，框架暂停更新--！