EuroSAT 三层 MLP 从零实现（HW1）

本项目按 hw1.pdf 要求实现了一个不依赖 PyTorch/TensorFlow/JAX 自动微分的三层神经网络分类器，用于 EuroSAT 遥感地表覆盖分类。

1. 项目结构

• src/autograd.py：Tensor 计算图与自动微分（反向传播）
• src/model.py：三层 MLP（Linear + 激活 + Linear + 激活 + Linear）
• src/losses.py：交叉熵损失与 L2 正则
• src/optim.py：SGD（支持 momentum）
• src/data.py：数据加载、划分、标准化、mini-batch
• src/engine.py：训练/验证/预测与 checkpoint 保存加载
• src/metrics.py：准确率与混淆矩阵
• scripts/train.py：训练主程序（含学习率衰减、best model 保存、曲线绘制）
• scripts/search.py：网格搜索超参数
• scripts/test.py：测试集评估 + 混淆矩阵输出
• scripts/analysis.py：第一层权重可视化 + 错例可视化
• report.md：实验报告模板与实验结论（可直接转 PDF）

2. 环境安装

python3 -m pip install -r requirements.txt

3. 训练

python3 scripts/train.py \
  --data_root ./EuroSAT_RGB \
  --output_dir ./results/main_run \
  --hidden_dim 256 \
  --activation relu \
  --epochs 30 \
  --batch_size 128 \
  --lr 0.05 \
  --decay_rate 0.9 \
  --decay_every 5 \
  --weight_decay 1e-4 \
  --image_size 32

训练输出：

• results/main_run/best_model.npz：验证集最优权重
• results/main_run/history.json：训练日志
• results/main_run/loss_curve.png：训练/验证 Loss 曲线
• results/main_run/val_acc_curve.png：验证集 Accuracy 曲线

4. 超参数搜索

python3 scripts/search.py \
  --data_root ./EuroSAT_RGB \
  --output_csv ./results/grid_search.csv \
  --epochs 10 \
  --lrs 0.05,0.02,0.01 \
  --hidden_dims 128,256,384 \
  --weight_decays 0.0,0.0001,0.001 \
  --activations relu,tanh

输出：results/grid_search.csv（按验证准确率排序）

5. 测试评估

python3 scripts/test.py \
  --data_root ./EuroSAT_RGB \
  --checkpoint ./results/main_run/best_model.npz \
  --output_dir ./results/main_run

输出：

• 终端打印测试集 Accuracy
• 终端打印混淆矩阵
• confusion_matrix.txt
• confusion_matrix.png

6. 权重可视化与错例分析

python3 scripts/analysis.py \
  --data_root ./EuroSAT_RGB \
  --checkpoint ./results/main_run/best_model.npz \
  --output_dir ./results/main_run \
  --num_error_cases 12

输出：

• first_layer_weight_viz.png：第一层隐藏层权重可视化
• error_cases.png：测试集错例图
• error_cases.txt：错例文件路径与真值/预测标签