神经网络实验

一个用 C# 编写的简单神经网络实验（在 Unity 引擎中进行可视化），作为 这个视频 的一部分而创建。
代码与视频中展示的略有不同，例如为了提升性能，权重数组被展平为一维数组（尽管实际性能仍然相当低下）。

该项目包含 4 个图像识别实验：MNIST、Fashion MNIST、Doodles 和 CIFAR-10。
未来我计划在此基础上构建卷积神经网络，并可能将计算迁移到 GPU 上以提高速度。

Neural-Network-Experiments 快速上手指南

本指南帮助中国开发者快速在 Unity 引擎中运行基于 C# 的纯神经网络实验项目。该项目包含 MNIST、Fashion-MNIST、QuickDraw Doodles 和 CIFAR-10 四种图像识别实验，并提供了可视化演示。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows、macOS 或 Linux
• Unity 引擎：建议安装最新稳定版（LTS）或项目中指定的 Unity 版本
• 开发工具：Visual Studio 或 VS Code（需安装 C# 扩展支持）
• 前置依赖：
  • .NET Framework 或 .NET Core（通常随 Unity 自动配置）
  • Git（用于克隆代码仓库）

注意：本项目主要作为教学演示，未针对性能进行深度优化（权重数组已展平为一维以提升少许性能），因此在处理大型数据集（如 CIFAR-10）时训练速度可能较慢。

安装步骤

1. 克隆项目仓库 打开终端或命令行工具，执行以下命令下载源码：

   git clone https://github.com/SebLague/Neural-Network-Experiments.git
   

   (国内用户若访问 GitHub 缓慢，可使用 Gitee 镜像或配置 Git 代理加速)

2. 导入 Unity 项目

   • 启动 Unity Hub。
   • 点击 "Add" (添加) 按钮。
   • 选择刚才克隆的 Neural-Network-Experiments 文件夹根目录。
   • 等待 Unity 导入资源并编译脚本。

3. 准备数据集 项目支持四种数据集，首次运行时可能需要联网下载或手动放置数据文件。请确保网络通畅，或参考项目内部脚本逻辑将以下数据集放入指定 Resources 或 Data 文件夹：

   • MNIST
   • Fashion-MNIST
   • QuickDraw Doodles
   • CIFAR-10

基本使用

本项目通过 Unity 场景进行可视化操作，无需编写额外代码即可体验神经网络训练过程。

1. 打开实验场景 在 Unity 编辑器中，进入 Assets/Scenes 目录，双击打开对应的实验场景（例如 Doodles.unity 或 Mnist.unity）。

2. 运行实验 点击 Unity 编辑器顶部的 Play (播放) 按钮。

3. 观察与交互

   • 场景启动后，神经网络将开始自动训练。
   • 您可以在 Game 视图看到实时的识别效果演示（如手绘涂鸦的实时分类）。
   • 部分场景提供 UI 面板，允许调整学习率、隐藏层节点数等超参数，修改后重新运行即可观察不同效果。

4. 查看代码逻辑 核心神经网络逻辑位于 C# 脚本中。由于为了性能已将权重数组展平为一维数组，您可以查阅相关脚本了解底层实现细节，这与视频教程中的原始代码略有不同。

未来规划提示：作者计划在此基础上构建卷积神经网络（CNN）并将计算迁移至 GPU 以大幅提升速度，当前版本主要用于理解基础全连接神经网络原理。