已知输入，权重和偏置，C语言实现784*64*10神经网络的计算过程

假设输入数据为`input[784]`，第一层隐藏层有64个神经元，第二层输出层有10个神经元，权重和偏置分别为：

w1[784][64]
b1[64]
w2[64][10]
b2[10]

则C语言实现784*64*10神经网络的计算过程代码如下：

#include <stdio.h>
#include <math.h>

#define INPUT_SIZE 784
#define HIDDEN_SIZE 64
#define OUTPUT_SIZE 10

float sigmoid(float x) {
    return 1 / (1 + exp(-x));
}

int main() {
    // 初始化输入数据、权重和偏置
    float input[INPUT_SIZE];
    float w1[INPUT_SIZE][HIDDEN_SIZE], b1[HIDDEN_SIZE];
    float w2[HIDDEN_SIZE][OUTPUT_SIZE], b2[OUTPUT_SIZE];
    for (int i = 0; i < INPUT_SIZE; i++) {
        input[i] = i + 0.1; // 假设输入数据为从0.1开始的784个数值
        for (int j = 0; j < HIDDEN_SIZE; j++) {
            w1[i][j] = (float)rand() / RAND_MAX - 0.5;
        }
    }
    for (int i = 0; i < HIDDEN_SIZE; i++) {
        b1[i] = (float)rand() / RAND_MAX - 0.5;
        for (int j = 0; j < OUTPUT_SIZE; j++) {
            w2[i][j] = (float)rand() / RAND_MAX - 0.5;
        }
    }
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        b2[i] = (float)rand() / RAND_MAX - 0.5;
    }

    // 计算第一层隐藏层
    float hidden1[HIDDEN_SIZE];
    for (int i = 0; i < HIDDEN_SIZE; i++) {
        hidden1[i] = 0;
        for (int j = 0; j < INPUT_SIZE; j++) {
            hidden1[i] += input[j] * w1[j][i];
        }
        hidden1[i] += b1[i];
        hidden1[i] = sigmoid(hidden1[i]);
    }

    // 计算第二层输出层
    float output[OUTPUT_SIZE];
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        output[i] = 0;
        for (int j = 0; j < HIDDEN_SIZE; j++) {
            output[i] += hidden1[j] * w2[j][i];
        }
        output[i] += b2[i];
    }

    // 输出结果
    printf("output: ");
    for (int i = 0; i < OUTPUT_SIZE; i++) {
        printf("%f ", output[i]);
    }
    printf("\n");

    return 0;
}

以上代码中，我们先初始化了输入数据、权重和偏置。然后根据输入数据和第一层权重和偏置，计算了第一层隐藏层的输出。最后根据隐藏层的输出和第二层的权重和偏置，计算了神经网络的输出。