返回资讯中心
外部精选
软件工程
#开发者实时流

开发者发布 Usul-cpp:用 C++23 数学表达式构建神经网络

来源标题:Show HN: Usul – Express neural networks as raw math in C++23

开发者发布 C++ 库 Usul-cpp,让数据科学家无需 TensorFlow 等重型框架、直接用数学表达式定义模型。该库内置张量支持、自动求导和反向传播,并声称运行速度较快。其基于 xtensor 构建,用 C++23 从零编写以强调精度。

Hacker News 最新ronny2fresh2026/11/10 · 7 天前6 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

所以,Usul-cpp 是我用 C++ 写的一个库,它的核心思路是让数据科学家不必依赖 tensorflow 这类重量级库就能构建模型,只用数学表达式描述模型,剩下的交给 Usul 处理。它内置 tensor 支持、自动求导、反向传播,而且速度相当快。我写它,是因为读数学表达式比读一个不知所以、号称能做某事的随机类要少一些神秘感。我从零开始用 C++23 写它,是因为我想强调精度,不过它其实巧妙地构建在 xtensor 之上。看看实际运行效果

#include using namespace std;

  int main() {
    double LR = 0.1;
    int EPOCH = 5000;
    // 我们来写前向传播
    Tensor X = {
        {0.0, 0.0}, // 这是我们输入的内容
        {0.0, 1.0},
        {1.0, 0.0},
        {1.0, 1.0},
    };
    // 这是我们期望的输出
    Tensor Y_true = {
        0.0, // xor{0.0, 0.0} = 0.0
        1.0, // xor{0.0, 1.0} = 1.0
        1.0, // xor{1.0, 0.0} = 1.0
        0.0  // xor{1.0, 1.0} = 0.0
    };
    Y_true.reshape({4, 1});
    // 现在我们要创建一个单层、双神经元的网络
    // 每一层都会有一个偏置张量和一个权重张量。
    auto W1 = generate_random_matrix({2, 4}, -1.0, 1.0);
    auto B1 = generate_random_matrix({1, 4}, -1.0, 1.0);
    auto W2 = generate_random_matrix({4, 1}, -1.0, 1.0);
    auto B2 = generate_random_matrix({1, 1}, -1.0, 1.0);
    // 这是训练循环
    for (int i = 0; i

输出结果为

  Guesses: 
  Tensor({{ 0.027546},
   { 0.963592},
   { 0.964138},
   { 0.038964}}, shape=(4,1))
  should be: Tensor({{ 0.},
   { 1.},
   { 1.},
   { 0.}}, shape=(4,1))
  Loss: Tensor( 0.001222, shape=())

只需写出数学表达式,剩下的交给 Usul-cpp 处理,它极其轻量,整个库都是内存安全的。它叫 Usul,因为我是《沙丘》的超级粉丝。你可以在 https://github.com/crushr3sist/Usul-cpp 查看这个项目。欢迎提出任何下一步该做什么的想法,你也可以拉取代码并实现你认为能改进这个项目的功能。(请不要提交 vibecoded 的 PR,这个项目不是 vibe-coded 的) 评论 URL: https://news.ycombinator.com/item?id=50440232 Points: 2

Comments: 1

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →