最近在研究 tensorflow框架下的深度学习，了解到深度学习对数据非常依赖，而标注好的数据集非常难得。今天发现 python 的 captcha 库，可以生成验证码，因此，完全可以利用captcha库生成一个验证码数据集，用于图片识别的实验。这其中会用到 yeild 和 next 关键字，生成数据 generator。

captcha 库的安装

pip install captcha

python实战，调用 captcha 生成简单图形验证码

上述代码生成了一个 160x60 的图形验证码，验证码由 4 位随机的数字、大小写字母组成，生成的验证码我们保存为 jpg 格式。

执行代码，得到如下图片：

因为验证码是由 10 个数字和 26 个字母组成，所以一共有 10 + 26x2（大小写） = 62 个类别，每次随机取 4 个字符组成验证码，如果标签用 one-hot 编码，那么标签的大小为 62x4 = 248。

本节学习使用 python 的 captcha 库的目的就是为了做深度学习的数据集，深度学习网络需要很大的数据量，而存储和计算数据的内存是有限的，这两点其实是一对矛盾。我们需要大量数据，但是却没有无限大的内存存储它，有解决办法吗？当然是有的。

我们可以用多少，生成多少。比如训练深度学习网络时，需要一个 batch 的大小为 64 张验证码，那完全可以一次只生成 64 张图片。

似乎可以这样来：我们写一个函数，每次生成 64 张图片，需要数据时，调用一次该函数即可。这当然可行，只不过这样会有一个问题：每次生成图片都需要初始化程序，并且退出程序，而这样会导致产生数据的效率低下。为了解决这个问题，python有个叫数据生成器（generator）的功能，借助

def gen_captcha(self,batch_size = 50):
        ...
        while True:
            for i in range(batch_size):
                ...
                    Y[i,j,self.characters.find(ch)] = 1 
            Y = np.reshape(Y,(batch_size,self.char_num*self.classes))
            yield X,Y

咋一看它是一个死循环，不过 yield 关键字的使用，让它可以完成数据generator的功能。每次程序执行到

batch_x,batch_y = next(captcha.gen_captcha(64))

这一部分，我们基于前面的内容，利用 python 的 captcha 库，封装一个可以每次产生验证码 batch 的类，用于后续的深度学习网络的训练。代码如下：

这里，我们详细分析一下

gen_captcha

函数，它是用来产生验证码 batch 的。

• X：一个 mini-batch 的训练数据，其 shape 为 [ batch_size, height, width, 1 ]，batch_size 表示每批次多少个训练数据，height 表示验证码图片的高，width 表示验证码图片的宽，1 表示图片的通道。
• Y：X 中每个训练数据属于哪一类验证码，其形状为 [ batch_size, class ] ，对验证码中每个字符进行 One-Hot 编码，所以 class 大小为 4*62。

在每一个 batch 中，程序先将 RGB 彩色图片转成灰度图片，然后将数据全部变换到 [0,1] 范围内，存在 X 的第 i 个 batch。

标签值存在 Y 里，令 Y 中每个 batch 对应的字符的位置等于 1（即 one-hot 编码），最后将 Y 转成 [batch_size, 总类别] 的形状。

for j,ch in enumerate(captcha_str):
    Y[i,j,self.characters.find(ch)] = 1 
Y = np.reshape(Y,(batch_size,self.char_num*self.classes))

至此，利用 python 的 captcha 库生成验证码数据集的准备工作就做好了，今后研究深度学习图片识别时，这个可以作为一个不错的数据集。只需要将对象实例化，使用

next

关键字，就可以源源不断的获得训练的验证码 batch。

付费内容: 1.01 元，输入手机号或者邮箱查看

提交