C++从零实现简单深度神经网络（基于OpenCV）

╰+哭是因爲堅強的太久メ 2022-05-30 01:38 228阅读 0赞

> 代码地址如下：  
> [http://www.demodashi.com/demo/11138.html][http_www.demodashi.com_demo_11138.html]

### 一、准备工作 ###

*  \#\#\#\#需要准备什么环境  
    需要安装有Visual Studio并且配置了OpenCV。能够使用OpenCV的core模块。  
    使用者需要有基本的C++编程基础。
 *  \#\#\#\# 本例子实现什么功能  
    本例实现了简单的深度神经网络，基于OpenCV的矩阵类Mat。程序实现了BP算法，支持创建和训练多层神经网络，支持loss可视化。支持模型的保存和加载。

### 二、示例代码 ###

#### 新建和初始化一个神经网络的过程非常简单，像下面这样： ####

//Set neuron number of every layer
        vector<int> layer_neuron_num = { 784,100,10 };
    
        // Initialise Net and weights
        Net net;
        net.initNet(layer_neuron_num);
        net.initWeights(0, 0., 0.01);
        net.initBias(Scalar(0.5));

--------------------

#### 训练神经网络也很容易，下面是一个例子。训练完之后可以保存模型 ####

#include"../include/Net.h"
    //<opencv2\opencv.hpp>
    
    using namespace std;
    using namespace cv;
    using namespace liu;
    
    int main(int argc, char *argv[])
    {
        //Set neuron number of every layer
        vector<int> layer_neuron_num = { 784,100,10 };
    
        // Initialise Net and weights
        Net net;
        net.initNet(layer_neuron_num);
        net.initWeights(0, 0., 0.01);
        net.initBias(Scalar(0.5));
    
        //Get test samples and test samples 
        Mat input, label, test_input, test_label;
        int sample_number = 800;
        get_input_label("data/input_label_1000.xml", input, label, sample_number);
        get_input_label("data/input_label_1000.xml", test_input, test_label, 200, 800);
    
        //Set loss threshold,learning rate and activation function
        float loss_threshold = 0.5;
        net.learning_rate = 0.3;
        net.output_interval = 2;
        net.activation_function = "sigmoid";
    
        //Train,and draw the loss curve(cause the last parameter is ture) and test the trained net
        net.train(input, label, loss_threshold, true);
        net.test(test_input, test_label);
    
        //Save the model
        net.save("models/model_sigmoid_800_200.xml");
    
        getchar();
        return 0;
    }

--------------------

#### 加载训练过的模型然后直接使用就更加方便了。 ####

#include"../include/Net.h"
    //<opencv2\opencv.hpp>
    
    using namespace std;
    using namespace cv;
    using namespace liu;
    
    int main(int argc, char *argv[])
    {
        //Get test samples and the label is 0--1
        Mat test_input, test_label;
        int sample_number = 200;
        int start_position = 800;
        get_input_label("data/input_label_1000.xml", test_input, test_label, sample_number, start_position);
    
        //Load the trained net and test.
        Net net;
        net.load("models/model_sigmoid_800_200.xml");
        net.test(test_input, test_label);
    
        getchar();
        return 0;
    }

### 三、文件结构 ###

*  文件结构  
    下载后文件如下：
 *  包含了例子所用的数据（data）
 *  示例程序（examples)
 *  头文件（include)
 *  示例程序训练的模型（models)
 *  实现源代码（src)  
    ![文件结构][Ykatn3dkqXGsfTQHnF9.png]

### 四、运行效果 ###

这是以部分minist数据测试的效果图。同时还能实时输出loss值。  
![1240][]  
![1240 1][]  
C++从零实现简单深度神经网络（基于OpenCV）

> 代码地址如下：  
> [http://www.demodashi.com/demo/11138.html][http_www.demodashi.com_demo_11138.html]
> 
> 注：本文著作权归作者，由demo大师发表，拒绝转载，转载需要作者授权

[http_www.demodashi.com_demo_11138.html]: http://www.demodashi.com/demo/11138.html
[Ykatn3dkqXGsfTQHnF9.png]: /images/20220530/59e377653c004bbc81f69c08ec92b248.png
[1240]: /images/20220530/9d9c73b711424bb18d7d0452898d91aa.png
[1240 1]: /images/20220530/f3bfb85ce8d349d989ad4c52dc707379.png