16岁高中生的「卷」，13000+行代码，从头写了一个C++机器学习库 _高中生

机器之心报道
机器之心编辑部

人工智能领域现在也流行高中生拯救世界了？

一个热爱计算机的少年， 16 岁就已经可以做出点东西来了，比如开发个粤语编程语言、拿个 Kaggle 冠军、写个游戏、开发个加密货币投资机器人、从头构建一个 C++ 机器学习库什么的。
今天要介绍的就是一位从头构建 C++ 机器学习库的 16 岁少年（@novak-99），他的自荐帖在 reddit 上获得了数百的点赞量。

文章图片

他构建的这个库（ML++）有 13000 多行代码，涵盖了统计、线性代数、数值分析、机器学习和深度学习等主题。

文章图片

项目地址：https://github.com/novak-99/MLPP
@novak-99 表示，他之所以构建这个库，是因为 C++ 是他所选择的语言，但到了 ML 前端， C++ 却用得非常少。
C++ 是高效的，而且有利于快速执行。所以大多数库（如 TensorFlow、PyTorch 或 Numpy）都使用 C/ C++ 或某种 C/ C++ 衍生的语言来优化和提高速度。
但当他查看各种机器学习算法的前端实现时，他注意到大多数算法是用 Python、MatLab、R 或 Octave 实现的。他认为， C++ 之所以在 ML 前端用得比较少，主要是因为缺乏用户支持，以及 C++ 语法比较复杂。
与 Python 相比， C++ 的机器学习框架少得可怜。此外，即使在流行的框架（如 PyTorch 或 TensorFlow）中， C++ 的实现也不像 Python 的实现那样完整，存在的问题包括：缺少文档；并不是所有的主要函数都存在；没有多少人愿意贡献，等等。
此外， C++ 不支持 Python 的 ML 套件的各种关键库。 Pandas 和 Matplotlib 都不支持 C++ 。这增加了 ML 算法的实现时间，因为数据可视化和数据分析的元素更难获得。
因此，他就决定自己写一个 C++ 的机器学习库。
他还注意到，由于 ML 算法非常容易实现，所以一些工程师可能会忽略它们背后的实现和数学细节。这可能会带来一些问题，因为在不了解数学细节的前提下，针对特定用例定制 ML 算法是不可能的。所以除了库之外，他还计划发布全面的文档，以解释库中每个机器学习算法背后的数学背景，涵盖统计、线性回归、雅可比矩阵和反向传播等内容。以下是关于统计的部分内容：

文章图片

打开项目，我们可以看到其中的一些细节：
涵盖 19 大主题，这个 ML++ 足够大且全
与大多数框架一样，这位高中生创建的 ML++ 库是动态的，不断地在变化。这点在机器学习的世界尤为重要，因为每天都会有新的算法和技术被开发出来。

文章图片

目前， ML++ 库中正在开发以下模型和技术：

卷积神经网络（CNN）
支持向量机（SVM）的内核
支持向量回归

整体而言， ML++ 库包含了 19 大主题以及相关细分内容，分别如下：

回归（线性回归、逻辑回归、Softmax 回归、指数回归、Probit 回归、Cloglog 回归、Tanh 回归）
深度、动态、规模化神经网络（激活函数、优化算法、损失函数、正则化方法、权重初始化方法、学习率规划器）
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。