# 实验三（PyTorch 版）代码说明

本仓库在 `lab03/` 下提供了实验三三个小实验的 PyTorch 实现与示例脚本，均配有详细中文注释，便于理解与复用。

## 目录与文件

- `lab03/activation.py`
  - 常用激活函数（ReLU/LeakyReLU/Sigmoid/Tanh/Softmax）的 NumPy 与 PyTorch 版本实现。
- `lab03/iris_mlp_pytorch.py`
  - 使用 PyTorch 实现鸢尾花（Iris）数据集分类的 MLP。
  - 优先从 `./step2/*.csv` 读取数据；若不存在尝试使用 sklearn 自带 Iris；再不行提示补齐数据。
  - 训练后导出 `./step2/result.csv`（列名 `target`），并保存参数到 `./step2/iris_mlp.pt`。
- `lab03/mnist_cnn.py`
  - 示例 CNN（两层卷积+池化+全连接）训练 MNIST。
  - 离线优先：尝试从 `./step3/mnist/` 读取；失败则生成随机数据演示完整训练/保存流程。
  - 训练后保存模型参数至 `./step3/cnn.pkl`。
- `lab03/models.py`
  - 经典网络结构：`LeNet` 与 `AlexNet` 的 PyTorch 实现（仅定义结构，未包含训练循环）。
- `lab03/rnn_pytorch.py`
  - RNN/LSTM 单元与多层 RNN 的 PyTorch 版本演示（等价于原指导书的 TF 示例）。

## 快速运行

1. 激活函数自测（可选）
   ```bash
   python3 lab03/activation.py
   ```

2. Iris-MLP 训练与预测（建议准备 `./step2/*.csv`）
   ```bash
   python3 lab03/iris_mlp_pytorch.py
   # 生成 ./step2/result.csv 与 ./step2/iris_mlp.pt
   ```

3. MNIST-CNN 训练与保存
   ```bash
   # 若已有本地数据：将 MNIST 放到 ./step3/mnist/ 下（与 torchvision 默认结构一致）
   python3 lab03/mnist_cnn.py
   # 生成 ./step3/cnn.pkl
   ```

4. LeNet/AlexNet 结构自测（仅前向测试维度）
   ```bash
   python3 lab03/models.py
   ```

5. RNN/LSTM 演示
   ```bash
   python3 lab03/rnn_pytorch.py
   ```

## 说明

- 本实现默认不进行网络下载，确保在离线环境也能运行（MNIST 读取失败时会使用随机合成数据演示完整流程）。
- 若要在真实 MNIST 上训练，请自行放置本地数据到 `./step3/mnist/` 或修改脚本开启下载。
- Iris 任务要求原指引使用 sklearn；本仓库按你的要求改为 PyTorch 版，同时兼容从 CSV 或 sklearn 读取数据。