本项目是一个仅使用 C++ 17 和 Eigen 3 库实现的单隐藏层神经网络，用于学习和近似基本的算术运算（加、减、乘、除）。

该项目旨在展示如何在不依赖 TensorFlow 或 PyTorch 等高层框架的情况下，从底层实现神经网络的前向传播、反向传播和随机梯度下降（SGD）过程。

• 🧠 纯 C++ 实现: 代码高度优化，利用 Eigen 库进行高效的矩阵运算。
• ⚙️ 可配置架构: 命令行参数控制训练和推理模式，易于扩展。
• 🚀 快速收敛: 针对小数值范围数据进行训练，收敛速度快（在 Apple Silicon 平台表现优异）。
• 📊 内置日志: 训练过程的 Loss 曲线数据自动输出到文件，方便可视化分析。

您需要安装以下工具和库：

1. C++ 编译器: 支持 C++17 标准（如 GCC 或 Clang）。
2. CMake: 版本 3.15 或更高。
3. Eigen3: 矩阵运算库。
4. Python 3.x: 用于数据生成和 Loss 曲线可视化（依赖 matplotlib 库）。

# 1. 安装 Homebrew
# /bin/bash -c "$(curl -fsSL [https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh](https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh))"

# 2. 安装 Eigen 和 CMake
brew install eigen cmake

# 3. 安装 Python 绘图依赖
pip install matplotlib