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 lettresทำซ้ำขั้นตอนการฝึกอบรมหลายครั้งสำหรับแต่ละตัวอักษรเพื่อปรับปรุงความแม่นยำ
จากนั้นเมื่อจดหมายทั้งหมดได้รับการยอมรับ:
./train train dossier_lettres/./train recognize test_image.bmpเครือข่ายบันทึกเงื่อนไขโดยอัตโนมัติหลังจากการฝึกอบรมแต่ละครั้งใน "Network_data.bin" และสำหรับซิงเกิ้ลใน "Train_data.bin"
generator.py ที่มีข้อเท็จจริงที่ถูกต้องletters/generator.pygenerator.py python3 auto_train.py # exécution une seule fois la première fois... และรอการสิ้นสุดของการฝึกอบรม
python3 verify_train.pyหรือสำหรับจดหมายฉบับเดียว:
./train recognize test_image.bmpและหากจดหมายที่ตรวจพบไม่ใช่ตัวอักษรที่ถูกต้อง:
python3 manual_train.py... จากนั้นป้อนจดหมายที่คาดหวัง (เช่น: U)
จากนั้นเพื่อประสานเครือข่ายเซลล์ประสาทและบันทึกไว้:
./train train dossier_lettres/... และต่อไปสำหรับตัวอักษรที่ตรวจพบไม่ดีทั้งหมด (เริ่มกระบวนการ 2 ครั้งอีกครั้ง)
เครือข่ายบันทึกเงื่อนไขโดยอัตโนมัติหลังจากการฝึกอบรมแต่ละครั้งใน "Network_data.bin" และสำหรับซิงเกิ้ลใน "Train_data.bin"
backup_data มีการสำรองข้อมูลการฝึกอบรมเก่าpython3 manual_train.py ช่วยให้คุณสามารถฝึกอบรมจดหมายฉบับเดียวได้python3 auto_train.py ใช้เพื่อฝึกอบรมตัวอักษรทั้งหมดในไฟล์เป็นครั้งแรกpython3 verify_train.py ใช้เพื่อตรวจสอบว่าตัวอักษรถูกตรวจพบอย่างดีหรือไม่train เป็นรุ่นที่ใช้โดยผู้ใช้ ( train.c )*.bin มีข้อมูลการฝึกอบรมletters/ มีตัวอักษรด้วย generator.pychecksum.sh ใช้เพื่อบันทึก *.bin ไฟล์ gcc train.c -o train -lm ` pkg-config --cflags --libs sdl2 SDL2_image ` libsdl2-image-dev (สำหรับการอ่านภาพใน c)PIL (สร้างตัวอักษรจาก Fython Font) bash checksum.sh