基于PyTorch的验证码识别

KniGhT897

已于 2022-02-13 10:49:30 修改

阅读量3.2k

点赞数 3

文章标签： pytorch 深度学习神经网络

于 2022-02-10 18:01:26 首次发布

本文链接：https://blog.csdn.net/KniGhT897/article/details/122865585

版权

本文介绍了基于PyTorch的验证码识别项目，从PyTorch简介到构建数据集、网络模型，再到训练与测试的过程。通过PyTorch的神经网络和自动微分系统，最终达到了99%的识别准确率。

摘要由CSDN通过智能技术生成

基于PyTorch的验证码识别

假期之前就有了实现一个验证码识别的神经网络的打算。假期开始就跟着西瓜书和吴恩达的公开课整体学习了一遍并自己手撕了一个神经网络，结果非常不理想，准确率只有20%左右 ~~（甚至不如OCR）~~，期间还经历了虚拟机死机，于是就转而使用PyTorch框架实现。

PyTorch简介

PyTorch是一个开源的Python机器学习库，基于Torch，底层由C++实现，应用于人工智能领域，如自然语言处理。它主要由Facebook的人工智能研究团队开发，并且被用于Uber的概率编程软件Pyro。

PyTorch主要有两大特征：

类似于NumPy的张量计算，可使用GPU加速；
基于带自动微分系统的深度神经网络。
PyTorch包括torch.nn、torch.optim等子模块。
来自：PyTorch-维基百科

PyTorch框架的基本流程

构建数据集

获取验证码图片的代码按下不表，图片大小为40×100。构建数据集是将图片按照框架要求放入torch.Tensor中。

import re
import torch
from torch.utils.data import Dataset
import os
from PIL import Image
from torchvision import transforms


class MyDataset(Dataset):
    transform = transforms.Compose([
        transforms.ToTensor(),
        transforms.Resize((40, 100<