手写代码，利用 mnist 数据集测试对比 kan 和 cnn/mlp 的效果

你好呀，我是董董灿。

kan 模型火了一段时间，很多人从理论的角度给出了非常专业的解读，基本结论是：从目前来看，kan 很难替代 mlp 成为一个更加经典的模型结构。

我这里就不从理论方面进行回答了，直接给出一个利用 KAN / CNN / MLP 分别对 Mnist 数据集进行验证的结果，我们直接从实验的结果出发，来看看这个 KAN 模型的效果如何？

为了做实验，我分别编写了 test_with_cnn_mnist.py 、test_with_kan_mnist.py 以及 test_with_mlp_mnist.py 三个代码脚本，使用相同的数据集，都是 mnist 进行训练和测试。

CNN 的效果

使用 CNN ，经过 5 个 epoch 的训练，最终 CNN 在测试集上的预测准确率是 98.36 %.

MLP 的效果

使用同样的数据集，利用 MLP 进行训练和推理，最终的预测准确度在 93.3 % 左右。

最后看一下 KAN 的效果

使用 KAN 模型对数据集进行训练，最终得到的准确度仅为 82.04%

对比一下

相同的数据集，都是 MNIST。

CNN 预测准确度： 98%

MLP 预测准确度：93%

KAN 预测准确度：82%

说明 KAN 模型在 MNIST 这种经典任务中的表现还有待提高。

---

最后，以上仅为本人自己测试，可能不严谨，毕竟是在学习 KAN 的过程中做的一个测试，但也能从一定程度上说明问题。

以上三个测试的实验源码有些长，不再这里贴了，如果你对此感兴趣，可以关注我的公众号：董董灿是个攻城狮 并后台回复“kan”或 “KAN” 获取以上三种模型的测试源码，当然也可以来我的知乎首页置顶文章，加我微信获取以上源码。

实验不易，点个赞呗~