# 1111

**Repository Path**: zhao-qibia/1111

## Basic Information

- **Project Name**: 1111
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-10
- **Last Updated**: 2025-11-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 手写数字识别系统 - Pinecone 云推理

基于 Pinecone 向量数据库和 MNIST 数据集的手写数字识别系统，提供 Web 界面进行实时数字识别。

## 项目概述

本项目包含三个主要组件：
1. **Pinecone 索引创建与数据上传** - 创建向量索引并上传 MNIST 数据
2. **模型训练与测试** - 使用 Pinecone 进行 KNN 相似性搜索
3. **Web 应用** - 基于 Gradio 的实时手写数字识别界面

## 文件结构
.
├── optimal_knn_webapp_pinecone.py # Web 应用主程序
├── pinecone_train.py # 训练和测试脚本
├── pinecone_example.py # Pinecone 基础示例
└── README.md # 项目说明文档

text

## 功能特性

- ✅ 使用 Pinecone 云向量数据库进行实时推理
- ✅ 基于 MNIST 数据集的 KNN 相似性搜索
- ✅ 实时手写数字识别 Web 界面
- ✅ 支持 k=11 最近邻投票机制
- ✅ 完整的日志记录和进度显示
- ✅ 错误处理和异常管理

## 环境要求

### Python 依赖
```bash
pip install pinecone-client scikit-learn numpy gradio pillow tqdm matplotlib
Pinecone 账户
需要注册 Pinecone 账户并获取 API Key。

快速开始
1. 配置 API Key
在所有 Python 文件中替换为您的实际 Pinecone API Key：

python
API_KEY = "your-pinecone-api-key-here"
2. 创建索引并上传数据
运行训练脚本创建 Pinecone 索引并上传 MNIST 数据：

bash
python pinecone_train.py
预期输出：

text
2024-11-10 | 20:35:25 | INFO | 开始MNIST数字分类任务
2024-11-10 | 20:35:25 | INFO | Pinecone连接成功
2024-11-10 | 20:35:25 | INFO | 索引 'mnist-index' 已存在，正在删除...
2024-11-10 | 20:35:35 | INFO | 索引 'mnist-index' 已成功删除...
2024-11-10 | 20:35:35 | INFO | 正在创建新索引 'mnist-index'...
2024-11-10 | 20:35:45 | INFO | 索引 'mnist-index' 创建成功...
2024-11-10 | 20:35:45 | INFO | 已成功连接到索引 'mnist-index'
上传数据到 Pinecone: 100%|██████████| 1437/1437
2024-11-10 | 20:35:55 | INFO | 成功上传了 1437 条数据到 Pinecone
测试 k=11 时的准确率: 100%|██████████| 360/360
2024-11-10 | 20:36:05 | INFO | 成功创建索引，并上传了 1437 条数据
2024-11-10 | 20:36:05 | INFO | 当 k=11 时，使用 Pinecone 的准确率为: 0.9833
3. 运行基础示例（可选）
验证 Pinecone 功能：

bash
python pinecone_example.py
4. 启动 Web 应用
运行 Web 应用进行实时手写数字识别：

bash
python optimal_knn_webapp_pinecone.py
预期输出：

text
Pinecone数字识别器初始化成功！
2024-11-10 | 20:50:15 | INFO | Pinecone连接成功
启动手写数字识别Web应用...
访问地址: http://127.0.0.1:7860
请确保Pinecone索引 'mnist-index' 已创建并包含MNIST数据
使用说明
Web 应用界面
访问 http://127.0.0.1:7860

在左侧画板上手写数字 0-9

系统实时显示识别结果和推理时间

首次推理可能较慢（1-3秒），后续推理会更快

技术细节
数据分割: 80% 训练数据，20% 测试数据

特征维度: 64 维（8x8 图像展平）

距离度量: 欧氏距离 (Euclidean)

K 值: 11（通过投票机制确定最终结果）

预处理: 图像反色 + 尺寸调整 + 归一化

API 配置
Pinecone 索引配置
python
index_name = "mnist-index"
dimension = 64
metric = "euclidean"
spec = ServerlessSpec(cloud="aws", region="us-east-1")
数据预处理流程
图像灰度化

颜色反转（黑底白字 → 白底黑字）

调整尺寸为 8x8 像素

归一化到 0-16 范围

展平为 64 维向量

性能指标
训练数据: 1,437 个样本

测试数据: 360 个样本

准确率: ~98.3% (k=11时)

推理时间: 首次 1-3秒，后续 <1秒

故障排除
常见问题
API Key 错误

text
Pinecone连接失败: 401 Unauthorized
解决方案: 检查 API Key 是否正确配置

索引不存在

text
识别失败: Index not found
解决方案: 先运行 pinecone_train.py 创建索引

端口占用

text
启动失败: [Errno 48] Address already in use
解决方案: 更改端口号或关闭占用进程

依赖包版本冲突

text
TypeError: Sketchpad.__init__() got an unexpected keyword argument
解决方案: 使用提供的简化版本或检查 Gradio 版本

日志查看
所有操作都有详细的日志记录，格式：

text
YYYY-MM-DD | HH:MM:SS | LEVEL | Message
项目扩展
可能的改进
添加更多预处理选项

支持自定义 K 值调整

添加批量识别功能

集成其他机器学习模型

添加用户反馈机制

相关技术
Pinecone 文档

Gradio 文档

Scikit-learn MNIST

许可证
本项目仅供学习和研究使用。

贡献
欢迎提交 Issue 和 Pull Request 来改进这个项目。

注意: 请妥善保管您的 Pinecone API Key，不要将其提交到公共仓库。

text

这个 README.md 文件提供了：

1. **完整的项目介绍** - 说明项目目的和功能
2. **详细的安装指南** - 从环境配置到运行步骤
3. **技术说明** - 算法原理和实现细节
4. **故障排除** - 常见问题和解决方案
5. **使用示例** - 预期的输入输出和界面说明
6. **扩展建议** - 项目的进一步改进方向