neural_network

神經元網絡培訓（手冊）

準備培訓圖像

• 為字母的每個字母創建一個BMP圖像（A.BMP，B.BMP，...，C.BMP）。
• 每個圖像必須包含一個字母，理想情況下是在白色背景上的黑色。
• 這些圖像必須具有相似的大小，代碼將其大小為56x49像素。

通過網絡培訓每個字母

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

為每個字母重複幾次訓練步驟，以提高精度。

然後，一旦所有字母都被識別：

./train train dossier_lettres/

測試識別

./train recognize test_image.bmp

網絡在“ network_data.bin”中的每個培訓和“ train_data.bin”中的單打中自動保存其狀況。

---

網絡培訓（自動）網絡

準備培訓圖像

• 選擇TTF格式的字體，然後在generator.py代碼中修改具有正確的事實。
• 用letters/generator.py生成BMP格式的字母。
• 生成圖像的大小在generator.py中定義。

通過網絡培訓每個字母

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

...並等待培訓結束。

每個字母的測試識別

python3 verify_train.py

或單個字母：

./train recognize test_image.bmp

如果檢測到的字母不是正確的字母：

python3 manual_train.py

...然後輸入預期字母（例如：u）。

然後，要協調神經元網絡並保存它：

./train train dossier_lettres/

...等等，依此類推（依此類推（再次啟動兩個過程）。

網絡在“ network_data.bin”中的每個培訓和“ train_data.bin”中的單打中自動保存其狀況。

---

附加信息

• backup_data包含舊培訓課程的備份。
• python3 manual_train.py允許您訓練一個字母。
• python3 auto_train.py首次用於訓練文件中的所有字母。
• python3 verify_train.py用於檢查字母是否被很好地檢測到。
• train是用戶使用的版本（ train.c ）。
• *.bin
• letters/包含帶有generator.py字母。
• checksum.sh用於保存*.bin文件。

---

彙編

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

---

要安裝的書店

• libsdl2-image-dev （用於讀取C中的圖像）。
• PIL （從Python字體產生字母）。

---

保存神經元網絡

bash checksum.sh