C/C++实现手写数字识别的示例详解

 更新时间:2023年10月23日 16:28:38   作者:crazybobo1207  
这篇文章主要为大家详细介绍了如何使用C/C++实现手写数字识别,分别处理 32*32 文本数据集和mnist 28*28 png数据集,感兴趣的小伙伴可以跟随小编一起了解一下

绝大多数人都是用python写,俺就喜欢用C/C++一句一句写。代码还未认真整理,写的有点乱,应该还有优化的余地。

程序主要目的:对测试数据集的样本进行预测,计算预测准确率。

数据集:分别使用32*32数据集和28*28数据集(mnist数据集)。前者是txt文本,后者是png图片。

算法:使用最简单的KNN算法。

加快程序执行的主要思路:

1.使用多线程(10个线程)读取0到9数字对应的样本文件;

2.使用多线程(10个线程)对0到9数字对应的样本进行预测;

3.求距离时,使用欧式距离,但是不做开平方运算(开平方运算是多余的,浪费时间);

4.求K个最近距离邻居(类似于求TOP K),采用C++的push_heap和pop_heap(小根堆)。

对于32*32的数据集,由于样本是txt文件,直接读取txt文件中的0和1,很容易求出样本之间的距离。

对于mnist数据集,因为原始数据是png图片,所以需要做一些预处理:可以使用opencv读取像素数据,转成类似于32*32的txt数据集,方便求距离。另外,方便程序处理,重命名了文件名,文件名分别是0_0.txt,0_1.txt……,转换成txt文件的mnist数据集如下:

简便起见,对样本个数做了一些简化,32*32数据集的训练数据是180*10=1800个,测试数据是80*10=800个,mnist数据集的训练数据是5000*10=5万个,测试数据是800*10=8千个(原始测试样本是1万个,每个数字的测试样本个数不同)。从数据量对比来看,后者是前者的280倍(训练数据集是28倍,测试数据集是10倍),对应的程序运行时间(计算测试样本的预测准确率)后者也是前者的200多倍(排序算法很重要,如果不使用小根堆求TOP K,而是使用传统的整体数据排序,估计运行速度会差很多)。

部分代码如下(代码还未整理,比较乱,暂时只贴主要代码,表明整体思路),具体代码回头整理好了再贴。

#define TrainingDataNum 50000	
#define TestDataNum 8000		
#define FeatureNum 784    //28*28	
#define ClassNum 10
#define FileMaxCol 40    //大于28
#define K 3
 
//……………………
 
struct DisAndLabel
{
	int distance;
	int classLabel;
};
 
bool Cmp(const DisAndLabel& a, const DisAndLabel& b)
{
	return a.distance < b.distance;
}
 
int FileToTrainingDataArray(int** pTrainingDataFeture, int* pTrainingDataClass, int tid);
int FileToTestDataArray(int** pTestDataFeture, int* pTestDataClass, int tid);
void ClassifyTest(int** pTestDataFeture, int** pTrainingDataFeture, int* pTestDataClass, int* pTrainingDataClass, int tid);
 
//……………………
 
int main()
{
	clock_t t1, t2, t3, t4, t5;
	t1 = clock();
 
	int** pTrainingDataFeture = new int* [TrainingDataNum];
	if (pTrainingDataFeture == NULL)
	{
		exit(-1);
	}
 
	for (int i = 0; i < TrainingDataNum; i++)
	{
		pTrainingDataFeture[i] = new int[FeatureNum + 1];
		if (pTrainingDataFeture[i] == NULL)
		{
			exit(-1);
		}
	}
	
	//……………………
 
	t2 = clock();
	double duration = (double(t2) - double(t1)) / CLOCKS_PER_SEC;
	cout << "分配内存:" << duration << "秒" << endl;
	
	//……………………
 
	thread td[10];
 
	for (int tid = 0; tid < 10; tid++)
	{
		td[tid] = thread(&FileToArrayThread, pTrainingDataFeture, pTrainingDataClass, pTestDataFeture, pTestDataClass, tid);
	}
 
	for (int tid = 0; tid < 10; tid++)
	{
		td[tid].join();
	}
	
	//……………………
	
	int errorCountTotal = 0;
 
	for (int i = 0; i < 10; i++)
	{
		errorCountTotal += errorCount[i];
	}
 
	cout << "*********************************************************" << endl;
	cout << "测试集测试结果:" << endl;
	cout << "k=" << K << endl;
	cout << "测试集样本个数:" << TestDataNum << endl;
	cout << "预测错误个数:" << errorCountTotal << endl;
	cout << "错误率:" << double(errorCountTotal * 100.0 / TestDataNum) << "%" << endl;
	cout << "正确率:" << 100.0 - double(errorCountTotal * 100.0 / TestDataNum) << "%" << endl;
	//cout << "*********************************************************" << endl;
 
	t4 = clock();
	duration = (double(t4) - double(t3)) / CLOCKS_PER_SEC;
	cout << "*********************************************************" << endl;
	cout << "8000个样本预测准确率分析:" << duration << "秒" << endl;
 
	duration = (double(t4) - double(t1)) / CLOCKS_PER_SEC;
	cout << "*********************************************************" << endl;
	cout << "总共用时:" << duration << "秒" << endl;
	
	//……………………
}

运行结果如下:

K=3时,8000个测试样本,预测错误了78个(其实算法没有问题,很多情况是因为测试样本里的数字写的太奇葩了,数字X实在不像数字X),下面把K改为5,准确率提高了一些。

从运行时间看,8000个样本的预测用时是5秒多,如果只预测一个样本,用时大概是5.4秒/8000=0.7毫秒,主要是训练数据集数据有点多(5万个样本)。

下面是32*32数据集的运行结果,由于训练样本和测试样本的数据量比mnist数据集少很多,所以程序运行速度快了200倍,平均每个样本的预测时间大概是0.03秒/800=0.04毫秒。

程序总共用时不到50毫秒(用python写,貌似要10秒左右),比python快了200倍。C语言直接操作内存+高速缓存+宇宙第一IDE的代码优化+多线程,运行速度比python快2个数据级很正常。但是代码量也比python多很多,一般2到3倍,如果python是直接调算法库,比python多10倍以上 -_-。

样本预测错误的具体原因是什么,可以分析K个最近样本的距离值,以数字8(预测错误的重灾区)为例:

到此这篇关于C/C++实现手写数字识别的示例详解的文章就介绍到这了,更多相关C++数字识别内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • C++ STL中vector容器的使用

    C++ STL中vector容器的使用

    这篇文章主要为大家详细介绍了C++ vector容器的使用,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下,希望能够给你带来帮助
    2022-03-03
  • 超详细解析C++实现快速排序算法的方法

    超详细解析C++实现快速排序算法的方法

    快速排序是比较快的排序方法。它的基本思想是通过一组排序将要排序的数据分割成独立的两部分,本文将用C++实现快速排序算法,需要的可以参考一下
    2022-09-09
  • C语言中char*和char[]用法区别分析

    C语言中char*和char[]用法区别分析

    这篇文章主要介绍了C语言中char*和char[]用法区别,包括使用过程中的误区及注意点分析,需要的朋友可以参考下
    2014-09-09
  • C语言菜鸟基础教程之条件判断

    C语言菜鸟基础教程之条件判断

    本文给大家简单介绍了下C语言中的条件判断语句的语法和用法示例,非常简洁实用,有需要的小伙伴可以参考下
    2017-10-10
  • C++另辟蹊径计算1到n的和

    C++另辟蹊径计算1到n的和

    从1加到100,高斯的故事,我们学过。今天,我们写一个程序来试试。首先,用笨方法。一个数一个数的加,我们一般人就是这样干的吗。在计算机程序里面,怎么办呢?1我们把求和的功能写成一个可以针对不同的N运用的,C++里面叫函数
    2023-02-02
  • 浅谈C语言的字符串分割

    浅谈C语言的字符串分割

    下面小编就为大家带来一篇浅谈C语言的字符串分割。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2016-05-05
  • qt中 painter 的用法及原理示例详解

    qt中 painter 的用法及原理示例详解

    QPainter是Qt的一个绘图类,它的主要任务是在绘图设备上进行2D图形渲染,这篇文章主要介绍了qt中 painter 的用法以及原理,需要的朋友可以参考下
    2023-07-07
  • 桶排序算法的理解及C语言版代码示例

    桶排序算法的理解及C语言版代码示例

    桶排序算法顾名思义,就是把要排序的元素分桶排序后合并结果,这里我们就来看一下桶排序算法的理解及C语言版代码示例:
    2016-07-07
  • C++设计与实现ORM系统实例详解

    C++设计与实现ORM系统实例详解

    这篇文章主要为大家介绍了C++设计与实现ORM系统实例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-09-09
  • C语言入门篇--定义宏#define的概述

    C语言入门篇--定义宏#define的概述

    本篇文章是C语言系列基础篇,适合c语言刚入门的朋友,本文对关于c语言的定义宏#define作了简要的概述,希望可以帮助大家快速入门c语言的世界,更好的理解c语言
    2021-08-08

最新评论