C++从零实现简单深度神经网络（基于OpenCV）

立即下载用AI写一个

发布时间：2017-08-11

26人 | 浏览：7461次 | 收藏 |

技术：C++

概述

这是一个简单的深度神经网络实现，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。适合新手学习C++编程和神经网络。

详细

### 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：
```cpp
	//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
```cpp
#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。
```cpp
#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](/contentImages/image/20170811/Ykatn3dkqXGsfTQHnF9.png "文件结构")

### 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。
![](/contentImages/image/jianshu/5201633-8638938925e3034f)
![](/contentImages/image/jianshu/5201633-25b6ac1741413ac7)

本实例支付的费用只是购买源码的费用，如有疑问欢迎在文末留言交流，如需作者在线代码指导、定制等，在作者开启付费服务后，可以点击“购买服务”进行实时联系，请知悉，谢谢

感谢

手机上随时阅读、收藏该文章？请扫下方二维码

C++从零实现简单深度神经网络（基于OpenCV）

概述

详细

相似例子推荐

评论

作者

评分详细

作者例子