基于Java实现CNN，并附MNIST和语音MFCC特征性别识别。

package info.hb.ccn.main;

import info.hb.cnn.core.CNN;
import info.hb.cnn.core.CNN.layerBuilder;
import info.hb.cnn.core.layer;
import info.hb.cnn.core.layer.Size;
import info.hb.cnn.data.DataSet;
import info.hb.cnn.utils.ConcurentRunner;

public class CNNMnist {

	private static final String MODEL_NAME = “mnist/model/model.cnn“;

	private static final String TRAIN_DATA = “mnist/train.format“;

	private static final String TEST_DATA = “mnist/test.format“;

	private static final String TEST_PREDICT = “mnist/test.predict“;

	public static void main（String[] args） {

		System.err.println（“训练阶段：“）;
		runTrain（）;
		System.err.println（“测试阶段：“）;
		runTest（）;
		ConcurentRunner.stop（）;

	}

	public static void runTrain（） {
		// 构建网络层次结构
		layerBuilder builder = new layerBuilder（）;
		builder.addlayer（layer.buildInputlayer（new Size（28 28）））; // 输入层输出map大小为28×28
		builder.addlayer（layer.buildConvlayer（6 new Size（5 5）））; // 卷积层输出map大小为24×2424=28+1-5
		builder.addlayer（layer.buildSamplayer（new Size（2 2）））; // 采样层输出map大小为12×1212=24/2
		builder.addlayer（layer.buildConvlayer（12 new Size（5 5）））; // 卷积层输出map大小为8×88=12+1-5
		builder.addlayer（layer.buildSamplayer（new Size（2 2）））; // 采样层输出map大小为4×44=8/2
		builder.addlayer（layer.buildOutputlayer（10））;
		CNN cnn = new CNN（builder 10）;
		// 加载训练数据
		DataSet dataset = DataSet.load（TRAIN_DATA ““ 784）;
		// 开始训练模型
		cnn.train（dataset 5）;
		// 保存训练好的模型
		cnn.saveModel（MODEL_NAME）;
		dataset.clear（）;
	}

	public static void runTest（） {
		// 加载训练好的模型
		CNN cnn = CNN.loadModel（MODEL_NAME）;
		// 加载测试数据
		DataSet testSet = DataSet.load（TEST_DATA ““ -1）;
		// 预测结果
		cnn.predict（testSet TEST_PREDICT）;
		testSet.clear（）;
	}

}