CppNet is a high-performance C++ deep learning library for building and training neural networks. It uses Eigen for fast tensor operations, OpenMP for CPU parallelism, and CUDA for GPU acceleration.
- 🚀 High Performance: Vectorized operations via Eigen and multi-threading with OpenMP.
- 🔧 GPU Acceleration: CUDA support for heavy computations.
- 🧩 Modular API: Clear separation of layers, losses, optimizers, metrics, and regularizations.
- 📦 Extensible: Easy to add custom layers, losses, or optimizers.
- 📊 Visualization: Tools for plotting training curves and inspecting models.
- 🧪 Examples Included: CNN, Linear, Transformer, and more.
CppNet/
│
├── CMakeLists.txt
├── LICENSE
├── README.md
├── imgs
├── build
├── templates
├── include/
│ └── CppNet/
│ ├── activations/
│ │ ├── relu.hpp
│ │ ├── sigmoid.hpp
│ │ └── tanh.hpp
│ │
│ ├── layers/
│ │ ├── dense.hpp
│ │ ├── conv2d.hpp
│ │ └── dropout.hpp
│ │
│ ├── losses/
│ │ ├── mse.hpp
│ │ └── cross_entropy.hpp
│ │
│ ├── kernels/
│ │ ├── cpu/
│ │ │ ├── matmul_cpu.hpp
│ │ │ ├── conv_cpu.hpp
│ │ │ └── common_cpu.hpp
│ │ │
│ │ └── gpu/
│ │ ├── matmul_gpu.hpp
│ │ ├── conv_gpu.hpp
│ │ └── common_gpu.hpp
│ │
│ ├── models/
│ │ ├── sequential.hpp
│ │ └── model_loader.hpp
│ │
│ ├── optimizers/
│ │ ├── sgd.hpp
│ │ └── adam.hpp
│ │
│ ├── regularizations/
│ │ ├── l1.hpp
│ │ └── l2.hpp
│ │
│ ├── utils/
│ │ ├── tensor.hpp
│ │ ├── initializer.hpp
│ │ └── random.hpp
│ │
│ └── CppNet.hpp
│
│
├── src/
│ ├── activations/
│ │ ├── relu.cpp
│ │ ├── sigmoid.cpp
│ │ └── tanh.cpp
│ │
│ ├── layers/
│ │ ├── dense.cpp
│ │ ├── conv2d.cpp
│ │ └── dropout.cpp
│ │
│ ├── losses/
│ │ ├── mse.cpp
│ │ └── cross_entropy.cpp
│ │
│ ├── kernels/
│ │ ├── cpu/
│ │ │ ├── matmul_cpu.cpp
│ │ │ ├── conv_cpu.cpp
│ │ │ └── common_cpu.cpp
│ │ │
│ │ └── gpu/
│ │ ├── matmul_gpu.cu
│ │ ├── conv_gpu.cu
│ │ └── common_gpu.cu
│ │
│ ├── models/
│ │ ├── sequential.cpp
│ │ └── model_loader.cpp
│ │
│ ├── optimizers/
│ │ ├── sgd.cpp
│ │ └── adam.cpp
│ │
│ ├── regularizations/
│ │ ├── l1.cpp
│ │ └── l2.cpp
│ │
│ └── utils/
│ ├── tensor.cpp
│ ├── initializer.cpp
│ └── random.cpp
│
│
├── tests/
│ ├── CMakeLists.txt
│ ├── kernels/
│ │ ├── cpu/
│ │ │ ├── test_matmul_cpu.cpp
│ │ │ └── test_conv_cpu.cpp
│ │ └── gpu/
│ │ ├── test_matmul_gpu.cu
│ │ └── test_conv_gpu.cu
│ │
│ ├── layers/
│ │ ├── test_dense.cpp
│ │ └── test_conv2d.cpp
│ │
│ ├── activations/
│ │ ├── test_relu.cpp
│ │ └── test_sigmoid.cpp
│ │
│ ├── utils/
│ │ ├── test_tensor.cpp
│ │ └── test_random.cpp
│ │
│ └── models/
│ └── test_sequential.cpp
│
│
├── docs/
│ ├── architecture.md
│ ├── api_reference.md
│ └── design_notes.md
│
└── examples/
├── xor/
│ ├── xor_train.cpp
│ └── xor_predict.cpp
├── mnist/
│ ├── mnist_train.cpp
│ └── mnist_infer.cpp
└── simple_dense.cpp- C++17 or newer
- Eigen (header-only, auto-detected if installed)
- CMake ≥ 3.14
- (Optional) CUDA Toolkit for GPU acceleration
- (Optional) OpenMP for CPU parallelism
git clone https://github.com/LoqmanSamani/CppNet.git
cd CppNet
mkdir build && cd build
cmake ..
make -j$(nproc)This will build the library and all example programs inside examples/.
- Implement complete set of layers (CNN, RNN, Transformer, etc.)
- Add GPU backend (CUDA kernels for layers and ops)
- Add training utilities (Trainer, Callbacks, Checkpoints)
- Add more examples (GANs, Reinforcement Learning, NLP models)
Contributions are welcome!
Please follow consistent coding style (headers in include/, implementations in src/).
CppNet is released under the MIT License.