tensroflow学习，CNN深度学习网络破解验证码续，测试效果（22）
发表于: 2018-07-18 23:14:38 | 已被阅读: 25 | 分类于: tensorflow
上一节，介绍了如何建立卷积深度学习网络（CNN），识别和破解captcha图形验证码，在最后，我们提到了训练耗时，事实的确如此啊，在我的云服务器上用 cpu 训练了近 24 小时，才勉强达到 80% 的正确率，本节将进行可视化的测试，先用 python 的 captcha 库生成几张验证码图片，然后测试训练好的网络。
训练过程中的小插曲
以下几张图是训练过程中我截下来的。
发现了吧，训练到正确率超过 80% 的步数居然才 5000 多，反而变小了。
其实，并不是变小了。训练到大概 30000 步的时候，在我查看终端的输出时，
幸好我留了个心眼，在设计网络时留下了下面这句（全部代码参考上一节）：
...
if step % 1000 == 0:
saver.save(sess,"./tmpModel/capcha_model_tmp.ckpt")
...
即每训练 1000 步，就保留一次参数。这样，即使训练杯意外终止了，我也可以接着上一次保存的参数继续训练，不然我就又得从头训练了。
保存验证码图片
我们先在工作目录新建文件夹
每次执行
python genACaptcha.py
就会在
加载训练好的模型
其实就是重复训练时的模型，不再需要计算损失和训练的部分。文件名取为
测试时，我们只需要执行
python test.py 【要识别的验证码图片名】
测试
首先，我们先生成一张验证码，文件名
然后执行
$ python test.py testImages/7f0N.jpg
7f0N
成功了！当然由于只有 83% 的正确率，CNN 深度学习网络也有识别错的情况发生，例如下面这张验证码，
$ python test.py testImages/0jkZ.jpg
0jF2 # 识别错误
网络继续训练下去，应该还能提高分辨率，目标 99% ！！！