《Born》第11章：实战——MNIST 图像分类（MLP 与 CNN）

MNIST 手写数字识别是深度学习的「Hello World」。这一章我们用 Born 训练两个模型：一个多层感知机（MLP），一个卷积神经网络（CNN）。

MLP 模型

model := nn.NewSequential[float32](
    nn.NewLinear[float32](784, 128, backend),  // 输入 28×28=784
    nn.NewReLU[float32](),
    nn.NewLinear[float32](128, 64, backend),
    nn.NewReLU[float32](),
    nn.NewLinear[float32](64, 10, backend),     // 输出 10 个数字类别
)

CNN 模型

model := nn.NewSequential[float32](
    nn.NewConv2D[float32](1, 32, 3, backend),  // 1→32 通道
    nn.NewReLU[float32](),
    nn.NewMaxPool2D[float32](2, 2),             // 池化 2×2
    nn.NewConv2D[float32](32, 64, 3, backend), // 32→64 通道
    nn.NewReLU[float32](),
    nn.NewMaxPool2D[float32](2, 2),
    nn.NewFlatten[float32](),                   // 展平
    nn.NewLinear[float32](1600, 128, backend),
    nn.NewReLU[float32](),
    nn.NewLinear[float32](128, 10, backend),
)

训练结果（实测数据）

Epoch  1/10: Train Acc=89.50% | Val Acc=91.33%
Epoch  2/10: Train Acc=94.83% | Val Acc=94.67%
Epoch  3/10: Train Acc=96.17% | Val Acc=95.33%
Epoch  4/10: Train Acc=96.67% | Val Acc=96.33%
Epoch  5/10: Train Acc=96.83% | Val Acc=96.67%
Epoch  6/10: Train Acc=97.17% | Val Acc=97.17% ← 最高验证准确率
Epoch  7/10: Train Acc=97.33% | Val Acc=96.83%
Epoch  8/10: Train Acc=97.50% | Val Acc=96.67%

测试环境：Intel i7-12700H / 32GB RAM / Go 1.26 / Adam(lr=0.001)

CNN 版本达到 97.17% 验证准确率。

调试技巧

模型不收敛？按这个顺序排查：

1. 检查 tape 录制 — StartRecording() 没调用的话 Backward() 会 panic
2. 检查输入归一化 — MNIST 像素值需要除以 255
3. 检查学习率 — 太大发散，太小不动
4. 检查输出层 — 分类任务最后一层不要加激活函数

📘 《Born》连载技术书，第 11/22 章。