上传文件至 /

config.py

@@ -1,40 +1,39 @@
 # -*- coding: utf-8 -*-
 """
-配置文件 - 所有超参数集中管理
+手写数字识别 - 超参数配置
 
-设计思路：
-将超参数分门别类，学生可以单独修改某一类而不会影响其他
+纯NumPy实现的两层全连接神经网络
 """
 
-# ==================== 数据相关 ====================
-DATA_DIR = 'data/ChnSentiCorp'          # 数据集路径
-MAX_FEATURES = 3000                     # 词表最大容量
-MAX_SEQ_LEN = 100                       # 句子最大长度（词数）
-VECTORIZER_TYPE = 'tfidf'               # 'tfidf' 或 'bow'（向量化方式）
+# ===== 数据参数 =====
+ONE_HOT = True                # 标签是否使用One-Hot编码
 
-# ==================== 模型相关 ====================
-MODEL_TYPE = 'lr'                       # 'mlp' 或 'lr'（模型类型）
-HIDDEN_SIZE = 64                        # MLP隐藏层大小（LR忽略）
-NUM_CLASSES = 2                         # 类别数（正面/负面二分类）
-KEEP_PROB = 1.0                         # Dropout保留概——0.06率（LR忽略，设为1即可）
+# ===== 模型结构 =====
+INPUT_SIZE = 784              # 28x28 = 784 像素
+HIDDEN_SIZE = 128             # 隐藏层神经元数量
+NUM_CLASSES = 10             # 0-9 十个数字
+KEEP_PROB = 1.0               # Dropout保留比例（1.0=不使用Dropout）
 
-# ==================== 训练相关 ====================
-LEARNING_RATE = 0.08                   # 学习率
-NUM_EPOCHS = 100                        # 训练轮数
-BATCH_SIZE = 64                         # 批次大小
+# ===== 训练参数 =====
+LEARNING_RATE = 0.1           # 学习率
+NUM_EPOCHS = 50               # 训练轮数
+BATCH_SIZE = 64               # 批大小
 
-# ==================== 类别权重（解决数据不平衡问题）====================
-USE_CLASS_WEIGHT = True                 # True=启用类别权重, False=不启用（对比用）
-# 权重计算公式: n_samples / (n_classes * n_class_i)
-# 正面评论多所以权重小，负面评论少所以权重大
-CLASS_WEIGHT_POS = 0.73                # 正面类权重（自动计算）
-CLASS_WEIGHT_NEG = 1.58                # 负面类权重（自动计算）
+# ===== 随机种子（保证可复现） =====
+SEED = 42
 
-# ==================== 实验相关 ====================
-RUN_COMPARISON = False                  # True=运行对比实验, False=运行单个模型
-COMPARE_MODELS = ['lr', 'mlp']          # 要对比的模型列表
-COMPARE_VECTORS = ['bow', 'tfidf']      # 要对比的向量化方式
+# ===== 实验配置 =====
+RUN_COMPARISON = False        # 是否运行对比实验
 
-# ==================== 其他 ====================
-RANDOM_SEED = 42                        # 随机种子（保证可复现）
-VERBOSE = True                          # 打印详细日志
+# ===== 依赖说明 =====
+# 本项目需要以下库：
+#   numpy        - 数值计算
+#   scikit-learn - 加载MNIST数据集（会自动下载）
+#   pandas       - sklearn的依赖
+#
+# 安装命令：
+#   pip install numpy scikit-learn pandas
+#
+# 数据说明：
+#   首次运行时会自动从OpenML下载MNIST数据集（约12MB）
+#   下载后会自动缓存，后续运行直接使用缓存数据