Tensorflow应用之简单验证码识别

最新推荐文章于 2022-06-27 13:46:09 发布

胡大炮的妖孽人生

最新推荐文章于 2022-06-27 13:46:09 发布

阅读量1.1w

点赞数 13

分类专栏： tensorflow 文章标签：验证码识别神经网络 CNN 机器学习深度学习

本文链接：https://blog.csdn.net/huplion/article/details/72490467

版权

本文介绍了使用TensorFlow 1.12.0版本搭建的验证码识别模型，通过两千步的训练（约2分钟），在手工创建的训练集上达到一定识别效果。提供主要的神经网络代码`main.py`，并附带了训练集和测试集的百度云下载链接。

摘要由CSDN通过智能技术生成

1.Tensorflow的安装方式:

这个项目中采用了tensorflow 1.12.0版本(任意TF版本都能使用)
安装方式
pip install tensorflow

2.训练集训练集以及测试及如下(纯手工打造,所以数量不多):

这里写图片描述

3.实现代码

无论cpu版本还是gpu都能用, 两千步训练（2分钟左右）就能训练完成

main.py(主要的神经网络代码)

import tensorflow as tf
import numpy as np
from PIL import Image
import os
import random

train_data_dir = r'd:\img\train' # 根据实际情况替换
test_data_dir = r'/Users/hupeng/Downloads/img/test'


def gen_train_data(batch_size=32):
    '''
    生成训练数据
    :param batch_size: 每次训练载入的图片得数目，默认为32
    :return: x_data:图片数据，shape=(batch_size, 24, 60),y_data:标签信息, shape=(batch_size, 4)
    '''
    train_file_name_list = os.listdir(train_data_dir)
    selected_train_file_name_list = random.sample(train_file_name_list, batch_size)
    x_data = []
    y_data = []
    for selected_train_file_name in selected_train_file_name_list:
        if selected_train_file_name.endswith('.gif'):
            captcha_image = Image.open(os.path.join(train_data_dir, selected_train_file_name))
            captcha_image_np = np.array(captcha_image)
            assert captcha_image_np.shape == (24, 60)
            captcha_image_np = np.expand_dims(captcha_image_np, 2)
            x_data.append(captcha_image_np)
            y_data.append(np.array(list(selected_train_file_name.split('.')[0])).astype(np.int32))
    x_data = np.array(x_data).astype(np.float)
    y_data = np.array(y_data)
    return x_data, y_data

X = tf.placeholder(tf.float32, name="input")
Y = tf.placeholder(tf.int32)
keep_prob = tf.placeholder(tf.float32)
y_one_hot = tf.one_hot(Y, 10, 1, 0)
y_one_hot = tf.cast(y_one_hot, tf.float32)

# keep_prob = 1.0
def net(w_alpha=0.01, b_alpha=0.1):
    '''
    网络部分，三层卷积层，一个全连接层
    :param w_alpha:
    :param b_alpha:
    :return: 网络输出，Tensor格式
    '''
    x_reshape = tf.reshape(X, (