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语言实现数字雨效果

    C语言实现数字雨效果

    这篇文章主要为大家详细介绍了C语言实现数字雨效果,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
    2018-02-02
  • C++基于LINUX的文件操作

    C++基于LINUX的文件操作

    这篇文章主要为大家介绍了C++基于LINUX的文件操作示例知识扩充,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
    2023-11-11
  • C++中map和set的简介及使用详解

    C++中map和set的简介及使用详解

    本文主要介绍了C++中map和set的简介及使用详解,文中通过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
    2022-02-02
  • c语言实现奇偶排序算法

    c语言实现奇偶排序算法

    这篇文章主要介绍了c语言实现奇偶排序算法,有需要的朋友可以参考一下
    2013-12-12
  • 用C语言实现圣诞树(简易版+进阶版)

    用C语言实现圣诞树(简易版+进阶版)

    大家好,本篇文章主要讲的是用C语言实现圣诞树(简易版+进阶版),感兴趣的同学赶快来看一看吧,对你有帮助的话记得收藏一下,方便下次浏览
    2021-12-12
  • 浅析C++中的虚函数

    浅析C++中的虚函数

    以下是对C++中的虚函数进行了详细的分析介绍,需要的朋友可以过来参考下
    2013-08-08
  • C语言 深入浅出讲解指针的使用

    C语言 深入浅出讲解指针的使用

    指针是C语言中一个非常重要的概念,也是C语言的特色之一。使用指针可以对复杂数据进行处理,能对计算机的内存分配进行控制,在函数调用中使用指针还可以返回多个值
    2022-03-03
  • C语言中void类型指针的实现

    C语言中void类型指针的实现

    C语言中void类型指针有着特殊的用途,本文就来一下void类型指针的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2025-06-06
  • C语言实现桶排序的方法示例

    C语言实现桶排序的方法示例

    这篇文章主要介绍了C语言实现桶排序的方法,简单描述了桶排序的概念、原理并结合实例形式分析了C语言实现桶排序算法的具体操作技巧,需要的朋友可以参考下
    2018-01-01
  • C语言结构体内存对齐问题小结

    C语言结构体内存对齐问题小结

    本文主要讲解了C语言中结构体的内存对齐规则、计算方法以及影响因素,包括对齐规则的四个要点、内存对齐的原因、如何修改默认对齐数以及结构体传参时的注意事项,此外,还介绍了结构体位段的概念、内存分配和使用注意事项,感兴趣的朋友一起看看吧
    2025-02-02

最新评论