tensorflow之深度学习-----第六天

复习

验证码识别原理分析

字母之间等距离，即分割简单。用一些库就可以达到分割目的。但是分割不是通用的方法，对于更多图片并不适用。若字母之间倒一点，离的近就无法分割了。所以对于神经网络来说分割是不必要的，我们可以整体识别他。

即类别有几千种甚至上万，所以会造成干扰。

此时一张图片就有4个目标值了，每个目标值假设有26种可能性。并不像之前狗图片最后只会得出识别出是狗即可。








字母用数字标记后，然后转换为独热编码。





让4个位置的概率应该大一些，即突出一些，越接近1时候即损失越小了。

验证码识别程序流程以及图片数据的处理

因为每个样本输出是104个值，所以全连接层对应有104个神经元。
所以在识别不同东西时，网络中间可以一样，最重要就是输出应该多大，即在识别不同东西时，神经网络用的还是那套东西，你可以用一个全连接层或者中间加神经网络，最重要就是输出得自己计算控制。







可以将图片与标签放在一起，并一一对应，之后读取tfrecords文件处理数据就方便了。
将图片与标签数据都读取出来，并对标签转换为数字，之后一个个循环存进tfrecord中即可。










csv文件默认读取一行数据。




















序列化存入文件中了。














对26个中的概率最大的索引返回。
















当验证码图片变时候，我们可方便在命令行中改就可以，就不用改代码了，方便。







之后将训练好的模型保存，之后来个验证码就可以进行预测识别了。