# Pinecone 

**Repository Path**: gbu23/pinecone

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-21
- **Last Updated**: 2025-10-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于 KNN 和 Pinecone 的手写数字识别项目

本项目实现了一个手写数字识别系统，结合了 K-最近邻（KNN）算法与 Pinecone 向量数据库，实现高效的相似性搜索。用户可通过 Gradio Web 界面在线手写数字并获得预测结果。

## 功能亮点
- Pinecone 高性能向量检索，支持大规模数据实时查询
- Gradio 交互式画板，支持手写数字输入
- 支持 MNIST 数据集训练与测试
- 代码结构清晰，易于扩展

## 项目结构
```
optimal_knn_webapp_pinecone.py   # Gradio Web 应用，在线预测
pinecone_train.py                # Pinecone 索引创建与数据上传
pinecone_example.py              # Pinecone 查询示例脚本
pinecone_example.ipynb           # Pinecone 查询 Jupyter 示例
README.md                        # 项目说明文档
```

## 环境依赖
- Python 3.x
- pinecone-client
- gradio
- numpy
- Pillow
- tqdm
- pandas

安装依赖：
```bash
pip install pinecone-client gradio numpy Pillow tqdm pandas
```

## 快速开始
1. 注册 Pinecone 账号，获取 API 密钥。
2. 在 `pinecone_train.py` 和 `optimal_knn_webapp_pinecone.py` 中填入您的 Pinecone API 密钥。
3. 运行训练脚本上传数据：
   ```bash
   python pinecone_train.py
   ```
4. 启动 Web 应用：
   ```bash
   python optimal_knn_webapp_pinecone.py
   ```
5. 浏览器访问 `http://127.0.0.1:7860`，在画板上手写数字，点击提交即可获得预测结果。

## 工作原理
- `pinecone_train.py`：加载 MNIST 数据集，将图片展平成 784 维向量，上传到 Pinecone 索引。
- `optimal_knn_webapp_pinecone.py`：用户手写数字后，图像被预处理为 784 维向量，查询 Pinecone 索引，返回 K 个最近邻标签，通过投票机制输出最终预测。

姓名：王亚舟
班级：23级智科一班
学号：202352320116