C++卷积神经网络实例：tiny_cnn代码详解（2）——代码试运行

在这篇博客中主要是对tiny_cnn的工程代码进行调试运行，毕竟目前对于我来说这是一个相对陌生的代码文件，拿到手里首先想到的自然是检验一下这个代码的正确性，能够顺利运行得到预期的结果之后，再开始对代码进行深度的剖析。

　　一、现在tiny_cnn

　　在上一篇博客中已经提供了项目下载地址，这里只需下载之后再解压，得到如下文件：

　　项目文件中主要包含代码和训练样本两部分，data文件夹中存放了测试程序用的Mnist数据库：

　　这里的训练样本是idx3-ubyte类型，在之后的博文中会专门介绍这类文件的读取，这里作者已经将数据库划分为测试样本集合训练样本集，并制作好了对应的标签矩阵，在调试程序的过程中只需要直接调用数据库即可，非常方便。

　　在tiny_cnn文件夹下存放了该深度学习框架所用到的所用文件：

　　这里框架的所有内容都是用的.h文件形式写的，刚开始可能会有点疑惑，不过开始调试代码的时候就会发现，作者在实现过程中全部用的模板（template），并且关键的代码都用的Lamda表达式，因此都以头文件声明的形式给出，在实际调试的过程中只需将这些头文件包含进当前的工程中即可。

　　二、构建测试工程

　　下载完项目文件之后，接下里开始构建实际工程来运行代码。在“vc”文件夹下有对应的工程文件（.vcxproj）：

　　不过这里我们并不直接使用作者给出的工程测试文件，而是采用自己建立工程，添加tiny_cnn框架的模式。具体方法很简答，首先按正常的方式新建一个win32控制台应用程序，然后将tiny_cnn文件夹下对应的所有头文件复制到工程目录下，并在VS中将它们添加到当前工程中：

　　我们这里将工程命名为“MyTinyCnn”，接下来需要做的就是导入测试代码并替换当前的主函数。由于目前对这个卷积神经网路框架还不是很了解，手动编写测试代码来调用这个函数自然是不现实的，好在作者在文件中已经提供了一个测试代码文件，位于example文件夹下：

　　接下来需要做的就是将这个cpp文件拷贝到当前工程路径下，改名为MyTinyCnn.cpp并替换现有的MyTinyCnn.cpp文件。OK，测试工程搭建完成。

　　三、配置相关第三方库

　　在完成测试项目MyTinyCnn的组建之后，接下来需要对项目进行相关配置，以便使得代码能够真正的跑起来。

　　3.1、添加预编译头

　　这算是一个个人习惯吧，我在使用VS新建工程的时候一般都喜欢加入预编译头这个东西，因此在这里首先需要向MyTinyCnn.cpp主程序文件中添加预编译头代码：

　　3.2、配置opencv

　　tiny_cnn是基于opencv的纯C++深度学习框架，因此需要配置opencv库，由于在之前的博客中已经详细的介绍过了OpenCv库的配置方法，这里不再赘述，具体参见：C++开发人脸性别识别教程（3）——OpenCv配置和ImageWatch插件介绍。

　　3.3、配置TBB库

　　TBB是Intel公司开发的并行编程得开源库，在tiny_cnn选择性的用到了这个开源库，因此需要实现配置TBB，当然在实际运行中我们可以选择关掉并行编程，具体开关标志位位于config.h文件中：

　　至于有关TBB库的配置，网上有很多资源，如果在配置过程中遇到什么问题，可以给我发邮件交流。

　　3.4、配置boost库

　　tiny_cnn依赖C++的Boost库，同样需要对Boost库进行配置，Boost库作为C++标准库的扩展，里面封装了很多高效的C++算法，具体配置方法参见网络资源即可。

　　3.5、修改数据库路径

　　由于我们移动了main.cpp文件，可能会导致原有的训练数据库路径不可用，因此这里可以直接将路径改为全路径：

　　四、运行

　　配置到此时，程序应该能够正常运行，F5调试运行，程序正常执行：

　　理想的运行结果应该如下：

　　OK，程序正常运行，没有问题，在接下来的博客中开始正式对其进行分析。

　　五、注意事项

　　1、程序的运行结果

　　这部分测试程序在内存小、没有启用并行加速的情况下运行速度较慢，需要耐心等待，其实个人觉得也没有必要一直等，只要程序调通，能够正常运行，就开始着手进行代码分析即可。

　　2、github咨询

　　tiny_cnn的作者十分热心，一直坚持不懈的在其github主页上对tiny_cnn的代码进行维护，如果大家有什么问题的话推荐直接去其项目主页上提问，作者一般都会回答的

　　3、TBB和Boost的配置

　　这两个库的配置网上介绍的都很清楚，因此没有在博客中再次进行详细的介绍，一般网上资源比较多的知识我在博文中都会简要叙述，望大家理解，有问题可以发邮件沟通。