遗漏的部分

lci/include/nn/NNBuilder.hpp

@@ -0,0 +1,67 @@
+#pragma once
+#include <iostream>
+#include <stdexcept>
+#include "nn/NeuralNetwork.hpp"
+namespace qing {
+class NNBuilder {  /* 神经网络构建 */
+public:
+    void add(NeuralNetwork &layer);
+
+    /* 获取变换层的形状
+     * FIXME: 这个函数有必要吗  */
+    std::vector<std::pair<long, long>> get_shape() const;
+
+    /* 向标准输出打印形状 */
+    void print_shape() const;
+
+    /* 向输出流储存模型 */
+    void save(std::ostream& out) {
+        for (auto& layer: nn) {
+            layer.save(out);
+        }
+    }
+
+    /* 从输入流加载模型 */
+    void load(std::istream& in) {
+        nn.clear();
+        while(true) {
+            try{
+                auto layer = NeuralNetwork::Load_in_Factory(in);
+                add(layer);
+            }
+	    catch (std::runtime_error& e) {
+                break;
+            }
+        }
+    }
+
+    /*
+     * 将一层非线性层分裂为两层，相当于插入一层神经元
+     */
+    //void fork(int index, long num, float rate) {
+
+    /*
+     * 神经网络生长，增加第layer层，每层增加num个神经元
+     *
+     * layer: 增加的层数
+     * num: 增加的神经元数量
+     *
+     * FIXME: 神经网络生长时应当冻结其它层（除了最后一层？）（learning_rate == 0）
+     */
+    //void grow(int layer, int num) {
+
+    /* 前向反馈 */
+    std::vector<float> forward(std::vector<float>& r);
+
+    /* 反向传播 */
+    std::vector<float> backward(std::vector<float>& errs, float discount = 1.0);
+
+    /* 计算误差 */
+    std::vector<float> cal_err(std::vector<float>& r, std::vector<float>& t);
+
+
+
+private:
+    std::vector<NeuralNetwork> nn;
+};
+}