cnn_captcha
cnn_captcha copied to clipboard
nickliqian
训练的一个可用于生产环境的模型
采用readme中的方法，在一台具有两张NVIDIA Tesla V100的机器上进行训练，训练中最高识别率达99%，在测试集上进行测试
# python3 ./test_batch.py
-->图片尺寸: 60 X 100
-->验证码长度: 4
-->验证码共62类 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ
-->使用测试集为 sample/test/
...
...
测试结果： 861/1000
1000个样本识别耗时8.612132787704468秒，准确率86.1%
忽略大小写错误识别所致的识别错误，准确率可达92.16%
本次训练，使用了693688张（数字+大写英文字母+小写英文字母）样本
# ls -1 ./sample/train | wc -l
693688
总进行超过60w次训练
训练步骤：
修改配置"train_batch_size": 512,开始训练，待loss值趋于稳定并不再快速下降后，调整配置"train_batch_size": 128,，进一步增加数据量，加速模型快速收敛。进行一段时间的训练后，准确率达到0.99自动停止训练，再次开始训练，使模型进一步收敛。
模型下载：http://down.readour.org/model.zip
采用readme中的方法，在一台拥有两张
NVIDIA Tesla V100的机器上进行训练，训练中最高识别率达99％，在测试集上进行测试# python3 ./test_batch.py -->图片尺寸: 60 X 100 -->验证码长度: 4 -->验证码共62类 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ -->使用测试集为 sample/test/ ... ... 测试结果： 861/1000 1000个样本识别耗时8.612132787704468秒，准确率86.1%忽略大小写错误识别所致的识别错误，准确率达到
92.16%本次训练，使用了693688张（数字+大写英文字母+小写英文字母）样本# ls -1 ./sample/train | wc -l 693688总进行超过60w次训练
训练步骤：
修改配置
"train_batch_size": 512,开始训练，待损值趋于稳定并不再快速下降后，调整配置"train_batch_size": 128,，进一步增加数据量，加速模型快速收敛。进行逐步的训练后，准确率达到0.99自动停止训练，再次开始训练，使模型进一步收敛。 模型下载：http : //down.readour.org/model.zip
您好,可以私信请教一个问题吗?我想在本地使用模型,不把模型部署到服务器上,我的开发语言是python,这个可以实现吗?
