python小练习（087）：基于keras快速搭建神经网络（实战篇）之数字校验码自动识别
本帖最后由 jerryxjr1220 于 2017-4-7 10:35 编辑之前的python小练习中已经完整介绍了基于keras如何快速搭建神经网络，今天就让我们运用学到的知识进行实战--自动识别数字校验码。
现在很多网站为了防止爬虫推出了很多各式各样的校验码，有数字、字母、文字等等不同组合，今天我们先从简单的开始，自动识别数字校验码。
我从某个网站下载了所有的数字校验码（我会放在附件中供大家下载测试，我已经分类完毕，并生成了对应的标签方便训练数据），形式如下：
可以看到校验码都是比较简单的数字（原始图片是彩色的，我进行了灰度处理成黑白的），由于数字的角度是随机的左右旋转，这就需要用机器学习来让python自动识别。（如果是不旋转的图片，则可以直接按照像素点读取并直接转换，也就不需要机器学习了）
先来看最后的训练及测试结果吧。
训练数据：
Epoch 1/2
4500/4500 [==============================] - 1s - loss: 0.2086 - acc: 0.9631
Epoch 2/2
4500/4500 [==============================] - 2s - loss: 0.0014 - acc: 1.0000
测试结果：
500/500 [==============================] - 0s
loss误差（有的翻译叫“成本”）：0.000107079518784 accuracy准确率：1.0
可以看到，我用4500组数据进行训练，然后用剩下的500组数据进行测试，结果达到惊人的100%！{:5_98:}
源代码及详细注解：
**** Hidden Message *****
有兴趣的可以下载原始数字识别码进行测试，下载地址：
本帖最后由 jerryxjr1220 于 2017-4-7 10:36 编辑
有人可能会问“你上面的程序就搭了一个自动识别的模型，怎么做到真正的自动识别呢？”
其实，这个问题很简单，因为model模块还有一个预测的函数，只要把图片的像素值输入进去，就能直接输出预测结果，这个函数的格式如下：
output = model.predict(input_data)
就这么简单{:5_97:} 厉害了 厉害啊{:10_256:} 学习 楼主你好，其实我有一个小建议，就是楼主可以把你关于神经网络的这些期做成视频，因为好多新手往往被卡在入门上，懂了里面的原理，并且熟悉了几个实例后，在理解其他的知识可能会快一些，望采纳{:10_266:} 大补的小甲鱼粉 发表于 2017-4-24 23:51
楼主你好，其实我有一个小建议，就是楼主可以把你关于神经网络的这些期做成视频，因为好多新手往往被卡在入 ...
入门视频的话，其实网上已经有不少了，可以去优酷搜一下keras。
而且神经网络的搭建过程其实有点像一个玩黑箱子，就算做成视频也展现不出什么东西，能看到的也就是我在敲代码。
真正要理解神经网络其实要具备很多数学知识，比如线性代数，概率论，矩阵运算等等，这个才是卡在很多新手面前的难题，而这些靠视频是看不出的。 学习咯 数学不行看来是玩不了神经网络了{:5_102:}
感谢分享 鱼C有你更精彩 nx 学习学习 好东西 学习学习 看看，学习一下。 看看 看看源码 学习学习 {:10_257:}观摩观摩 学习学习
页:
[1]
2