sample config配置说明
环境配置
"env": "prod" # 环境，prod:生产环境，dev:开发环境
图片文件夹
origin_image_dir = "sample/origin/" # 原始文件
train_image_dir = "sample/train/" # 训练集
test_image_dir = "sample/test/" # 测试集
api_image_dir = "sample/api/" # api接收的图片保存路径
local_origin_image_dir = "sample/local_origin/" # 本地待识别图片的路径
new_image_dir = "sample/new_train/", # 新的训练样本
online_image_dir = "sample/online/" # 远从远程验证码url获取的待识别图片，识别后保存图片的路径
local_image_dir = "sample/local/" # 本地识别后保存图片的路径
模型文件夹
model_save_dir = "model/" # 训练好的模型储存路径
图片相关参数
image_width = 80 # 图片宽度
image_height = 40 # 图片高度
max_captcha = 4 # 验证码字符个数
image_suffix = "jpg" # 图片文件后缀
是否从文件中的导入标签
use_labels_json_file = False
验证码字符相关参数
char_set = "0123456789abcdefghijklmnopqrstuvwxyz"
char_set = "abcdefghijklmnopqrstuvwxyz"
char_set = "0123456789"
创建本地识别服务器
webserver_recognize_url = "127.0.0.1",
webserver_recognize_port = 6000,
外部程序调用的的服务器
request_recognize_ip = "127.0.0.1",
request_recognize_port = 2000,
在线识别远程验证码地址
remote_url = "http://127.0.0.1:6100/captcha/"
训练相关参数
cycle_stop = 3000 # 到指定迭代次数后停止
acc_stop = 0.99 # 到指定准确率后停止
cycle_save = 500 # 每训练指定轮数就保存一次（覆盖之前的模型）
enable_gpu = 0 # 使用GPU还是CPU,使用GPU需要安装对应版本的tensorflow-gpu==1.7.0
