【人工智能】图像识别之小白天书——验证码篇（4）

介绍

大家好！非常高兴又和大家见面了！不知道上一篇那些浓浓的理论知识大家理解了多少？有了那些上乘的内功打下根基，我今天再传授你一些招式，相信很快你就可以独当一面了！我们今天要学的就是一套上手极易！变化很大！威力惊人的招式！

这套武功的名字就叫Keras宝典！欲练此功，必先自…必先熟读并理解上一篇！

Keras是一个高层神经网络库，Keras由纯Python编写而成，可以很好的运行于Tensorflow库或Theano库。Keras为支持快速实验而生，能够把你的想法、创意迅速转换为结果，如果你有如下需求，请选择Keras：

·        简易和快速的原型设计（Keras具有高度模块化，极简，可扩充特性）

·        支持CNN（卷积神经网络）和RNN（循环神经网络），或二者的结合

·        支持任意的链接方案（包括多输入和多输出训练）

·        无缝CPU和GPU切换

上述是官方对Keras的评价。 其实现在Python的机器学习库有很多，据不完全统计有139个之多！它们各具特色，甚至还有带图形界面的，囧。其中公认最成熟的要属Theano和谷歌的力推的亲儿子Tensorflow！而我们要学的Keras可以任意在这两个优秀的库之间切换，并且具备了学习成本低和研发、迭代速度快等很多优点，可谓老少皆宜，居家必备之良品！

环境&配置

从这一章开始咱们的环境均使用类unix系统。

这一章咱们先基于Theano backend，至于Tensorflow，后面有关于的它的详细介绍及实战讲解，咱们也得照顾一下大谷歌的亲儿子是不是！（它现在确实非常流行）

安装过程可以说是非常简单，也可以说是非常艰难，我们来看看官方给出的安装指南：

>>> sudo pip install -U --pre pip setuptools wheel

>>> sudo pip install -U --pre numpy scipy matplotlibscikit-learn scikit-image

>>> sudo pip install -U --pre theano

>>> sudo pip install -U --pre keras

然后进入Python终端验证：

图1 验证环境是否安装成功

没有报错就完成了……

呵呵我真想install你一脸！反正我是没成功。实际上你可能遇上各种各样的问题需要调上一天时间！文章结束我会把一些最有用的填坑指南网址附上，争取不管你遇到什么奇葩的问题都可以找到解决的办法。

看我图中显示的是“Using Theanobackend”，为了避免默认是Tensorflow backend，去这里修改：~/.keras/keras.json，这里的“backend”改成Theano即可。

图2 keras.json配置文件

使用

这一张我们来用keras来搭建一个简单的神经网络，训练它识别一些验证码。本章主要讲搭建网络结构来训练嘛，图片就偷点懒，用我们小白天书第一篇中切割出来的那些验证码，下面就让我们用神经网络代替KNN算法，识别验证码！

按照惯例，第一件事还是准备样本！正如我们前文所说的，这个打标的过程就没那么好玩了…

图3 样本集

根据验证码的难易程度，切出相应数量的样本打标。这个还是我们第一章用的验证码，很简单，所以每一类只要有几个样本就够了，我这里准备了284个样本，尽可能的去覆盖每一类所有的可能切割出来的形态。正某人就曾经有过手动打4000个标的经历，那酸爽，打一会儿就睡着了，醒了继续打……

样本准备好了，现在就开始建立模型吧！网上现在大部分教程都是停留在构建网络结构上，今天我们就把高高在上的神经网络就带入实际的应用场景，针对某一个验证码来一次构建网络+训练模型+识别的全教程！并且把过程一一细化，让你知道每一行代码是在做什么。直接上交一份代码，详细解析写在注释里：

图4 建立训练模型

这就是全部模型结构的代码了，对于我们这种比较简单的验证码，不需要多复杂的网络结构，只要恰当的三层加上合适的目标函数、优化函数就可以了。

建立好模型之后，我们来看训练的相关代码，图5、4是连在一起的，图5的前半段也是属于图4中train_examples方法，要注意。

图5 训练相关代码

不出意外的话，控制台应该输出了这样的结果：

图6 训练log

由于early stop的机制，我们进行了102轮的迭代就结束了。结束时我们的识别正确率和验证的正确率从都已经到了95%以上，训练损失和验证集损失都处于一个较小的状态，由于这个验证码相对比较简单，这就完全足够了。复杂的验证码则要求损失越小越好。

恭喜你！！！你已经完成一次完整的机器训练的任务，提升到了2级！

已经可以用刚才训练出来的模型（就是代码训练完成后生成的json和weight结尾的文件）！识别代码如下：

图7 识别图片

运行程序，得到结果：

图8 识别结果展示

哈哈！是不是觉得自己离大神又近了一步！没错！你已经具备了用Keras简单的搭建人工神经来识别验证码了！如果熟练掌握这些技能，就可以轻松地K.O市面上50%以上的验证码了，是不是很牛？

那另外那50%呢？比较复杂的验证码，只用普通的神经网络来训练就有些相形见绌了，我们需要更厉害的黑科技！那就是CNN（卷积神经网络）和RNN（循环神经网络）。只要你会Keras，用它们也是很简单滴~在稍后奉上的《小白天书进阶版》中，一定会带你了解各种高深的神经网络！持续关注我们吧！

附：安装keras填坑指南
Keras中文文档：http://keras-cn.readthedocs.io/en/latest/
import报错：http://zhanxw.com/blog/2013/11/%E5%AE%89%E8%A3%85theano/

疑难杂症：http://blog.csdn.net/leexurui/article/details/52352094

失败解决办法：http://blog.csdn.net/leexurui/article/details/52352094