neural_network

神经元网络培训（手册）

准备培训图像

• 为字母的每个字母创建一个BMP图像（A.BMP，B.BMP，...，C.BMP）。
• 每个图像必须包含一个字母，理想情况下是在白色背景上的黑色。
• 这些图像必须具有相似的大小，代码将其大小为56x49像素。

通过网络培训每个字母

./train train_single A.bmp
./train train_single B.bmp
./train train_single C.bmp
... et ainsi de suite pour toutes les lettres

为每个字母重复几次训练步骤，以提高精度。

然后，一旦所有字母都被识别：

./train train dossier_lettres/

测试识别

./train recognize test_image.bmp

网络在“ network_data.bin”中的每个培训和“ train_data.bin”中的单打中自动保存其状况。

---

网络培训（自动）网络

准备培训图像

• 选择TTF格式的字体，然后在generator.py代码中修改具有正确的事实。
• 用letters/generator.py生成BMP格式的字母。
• 生成图像的大小在generator.py中定义。

通过网络培训每个字母

python3 auto_train.py  # exécution une seule fois la première fois

...并等待培训结束。

每个字母的测试识别

python3 verify_train.py

或单个字母：

./train recognize test_image.bmp

如果检测到的字母不是正确的字母：

python3 manual_train.py

...然后输入预期字母（例如：u）。

然后，要协调神经元网络并保存它：

./train train dossier_lettres/

...等等，依此类推（依此类推（再次启动两个过程）。

网络在“ network_data.bin”中的每个培训和“ train_data.bin”中的单打中自动保存其状况。

---

附加信息

• backup_data包含旧培训课程的备份。
• python3 manual_train.py允许您训练一个字母。
• python3 auto_train.py首次用于训练文件中的所有字母。
• python3 verify_train.py用于检查字母是否被很好地检测到。
• train是用户使用的版本（ train.c ）。
• *.bin
• letters/包含带有generator.py字母。
• checksum.sh用于保存*.bin文件。

---

汇编

gcc train.c -o train -lm ` pkg-config --cflags --libs sdl2 SDL2_image ` 

---

要安装的书店

• libsdl2-image-dev （用于读取C中的图像）。
• PIL （从Python字体产生字母）。

---

保存神经元网络

bash checksum.sh