Deep Learning: Rede Neural Convolucional em C++

Este repositório contém uma implementação completa de uma Rede Neural Convolucional (CNN) a partir do zero, utilizando C++ moderno (C++20) e CMake. O projeto foi desenvolvido para fins de estudo, focando em uma arquitetura modular e na corretude dos algoritmos de forward e backward propagation.

Funcionalidades

• Implementação Pura em C++: Nenhuma biblioteca de Deep Learning externa foi utilizada.
• Arquitetura Modular: O código é organizado com uma classe base Layer e implementações de camadas essenciais:
  • Conv2D (Convolução 2D)
  • Dense (Totalmente Conectada)
  • ReLU (Ativação)
  • Softmax (Ativação para classificação)
  • Flatten (Achatamento de tensor)
• Testes Unitários: Inclui um módulo de teste unitário (RMTAtesteunitario) que valida cada componente da rede, utilizando verificação de gradiente numérico para garantir a corretude do backpropagation.
• Sistema de Build com CMake: Utiliza CMake para facilitar a compilação em diferentes ambientes.

Requisitos

• CMake: Versão 3.1 ou superior.
• Compilador C++: Um compilador com suporte a C++20 (ex: GCC 10+, Clang 12+).

Como Compilar e Executar

1. Clonar o Repositório

git clone https://github.com/raphaelmta/DeepLearnig-CPP.git
cd DeepLearning-CPP

2. Baixar o Dataset MNIST

O modelo foi treinado e testado com o dataset MNIST.

• Crie uma pasta chamada dados na raiz do projeto.
• Baixe os 4 arquivos do dataset a partir do site oficial do MNIST e coloque-os dentro da pasta dados:
  • train-images-idx3-ubyte
  • train-labels-idx1-ubyte
  • t10k-images-idx3-ubyte
  • t10k-labels-idx1-ubyte

3. Compilar o Projeto

mkdir build
cd build
cmake ..
make

4. Executar os Programas

Os executáveis estarão dentro da pasta build.

• Para rodar os testes unitários (recomendado):

./RMTAtesteunitario

• Para iniciar o treinamento da rede:

./RMTAtreino ../dados/train-images-idx3-ubyte \
             ../dados/train-labels-idx1-ubyte \
             ../dados/t10k-images-idx3-ubyte \
             ../dados/t10k-labels-idx1-ubyte

Estrutura do Projeto

.
├── CMakeLists.txt         # Script de build
├── RMTAdataset.hpp        # Módulo de carregamento do dataset
├── RMTAmodelo.hpp         # Definição do Tensor e das camadas da rede
├── RMTAtreino.cpp         # Lógica de treinamento e avaliação do modelo
├── RMTAtesteunitario.cpp  # Testes unitários para garantir a corretude
├── dados/                 # Pasta para os arquivos do dataset (a ser criada)
└── build/                 # Pasta para os arquivos de compilação (a ser criada)