neural_network
1.0.0
./train train_single A.bmp
./train train_single B.bmp
./train train_single C.bmp
... et ainsi de suite pour toutes les lettresUlangi langkah pelatihan beberapa kali untuk setiap huruf untuk meningkatkan presisi.
Kemudian, setelah semua huruf dikenali:
./train train dossier_lettres/./train recognize test_image.bmpJaringan secara otomatis menyimpan kondisinya setelah setiap pelatihan di "network_data.bin" dan untuk single di "train_data.bin".
generator.py dengan fakta yang tepat.letters/generator.py .generator.py . python3 auto_train.py # exécution une seule fois la première fois... dan tunggu akhir pelatihan.
python3 verify_train.pyatau untuk satu huruf:
./train recognize test_image.bmpDan jika surat yang terdeteksi bukan yang tepat:
python3 manual_train.py... lalu masukkan huruf yang diharapkan (mis: u).
Kemudian, untuk menyelaraskan jaringan neuron dan menyimpannya:
./train train dossier_lettres/... dan seterusnya untuk semua huruf yang terdeteksi buruk (mulai 2 proses lagi).
Jaringan secara otomatis menyimpan kondisinya setelah setiap pelatihan di "network_data.bin" dan untuk single di "train_data.bin".
backup_data berisi cadangan sesi pelatihan lama.python3 manual_train.py memungkinkan Anda untuk melatih satu huruf.python3 auto_train.py digunakan untuk melatih semua huruf dalam file untuk pertama kalinya.python3 verify_train.py digunakan untuk memeriksa apakah huruf terdeteksi dengan baik.train adalah versi yang digunakan oleh pengguna ( train.c ).*.bin berisi data pelatihan.letters/ berisi huruf dengan generator.py .checksum.sh digunakan untuk menyimpan file *.bin . gcc train.c -o train -lm ` pkg-config --cflags --libs sdl2 SDL2_image ` libsdl2-image-dev (untuk membaca gambar dalam C).PIL (menghasilkan surat dari python font). bash checksum.sh