注意：若使用云服務器 (windows Server版) 遇到閃退，請按照步驟：我的電腦——屬性——管理——添加角色和功能——勾選 桌面體驗 ，點擊安裝，安裝之后重啟即可。
2020/06/01編外：
想必各位只是偶然間搜到這篇文章，網上文章參差不齊，標題黨很多，能跑起來的開源代碼很少，對于能跑起來的代碼，也經常遇到以下問題如：內存泄漏，網絡參數寫死導致更換訓練集報錯，網絡跑其他樣本識別率低，沒有調用示例等等。
再往下看之前，我可以向你們保證，它絕對會是你所見過的所有驗證碼有關的文章中最實用，最接近生產水平的。
- 對小白： 你可以不需要動手寫任何一行代碼。
- 對小企業： 它的可用性和穩定性是經得起考驗的，在性能上也是同行領先的，可以放心入坑。
因為小編打算轉行了，離開這個行業之前總要留下點什么證明自己來過，總有人和我說的這個部署不會調用，可能你們想要的是一行pip就搞定環境的，所以今天給你們安排了麻瓜OCR（MuggleOCR）。
https://pypi.org/project/muggle-ocr
它整合了簡單驗證碼識別通用模型+印刷文字通用識別，并且支持調用本文框架訓練的模型。調用只需要三行核心代碼：
import time
# STEP 1
import muggle_ocr
import os
# STEP 2
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
root_dir = r"./imgs"
for i in os.listdir(root_dir):
n = os.path.join(root_dir, i)
with open(n, "rb") as f:
b = f.read()
st = time.time()
# STEP 3
text = sdk.predict(image_bytes=b)
print(i, text, time.time() - st)
這真的很簡單，應付一般的文字識別和驗證碼都足夠了。（文字識別過幾天會更新一下新模型，畢竟0601模型就跑了半天。
1. 前言
本項目適用于Python3.7，GPU>=NVIDIA GTX1050Ti，原master分支新增了GUI配置界面以及編譯版本了，是時候寫一篇新的文章了。
長話短說，開門見山，網絡上現有的代碼以教學研究為主，本項目是為實用主義者定制的，只要基本的環境安裝常識，便可很好的訓練出期望的模型，重定義幾個簡單的參數任何人都能使用深度學習技術訓練一個商業化成品。
筆者選用的時下最為流行的CNN+BLSTM+CTC（CRNN）進行端到端的不定長驗證碼識別，代碼中預留了CNNX（搜不到因為是小編自己拼湊的）
/MobileNet/DenseNet121/ResNet50等選項，可以在配置界面中直接選用。首先，介紹個大概吧。
網格結構predict-CPUpredict-GPU模型大小CNN5+Bi-LSTM+H64+CTC15ms8ms2mbCNN5+CrossEntropy8ms2ms1.5mb
H16/H64指的是Bi-LSTM的隱藏神經元個數UnitsNum，所以本項目使用GPU訓練，使用CPU進行預測。預測服務部署項目源碼請移步此處：
https://github.com/kerlomz/captcha_platform
部署項目的編譯版下載地址：
https://github.com/kerlomz/captcha_platform/releases
2.環境依賴：
花了超長篇幅介紹了訓練環境的基本搭建，主要是給尚未入門的讀者看的，老鳥們隨便跳過，若不希望在環境上面浪費時間的，歡迎使用編譯版，可在文章開頭找到下載地址。
關于CUDA和cuDNN版本的問題，不少人很糾結，這里就列出官方通過pip安裝的TensorFlow的版本對應表：
linux
VersionPython versionCompilerBuild toolscuDNNCUDAtensorflow_gpu-1.14.03.7GCC 4.8Bazel 0.15.07.69
Windows
VersionPython versionCompilerBuild toolscuDNNCUDAtensorflow_gpu-1.14.03.7MSVC 2015 update 3Bazel 0.15.07.610
如果希望使用上面對應之外的搭配的CUDA和cuDNN，可以自行編譯TensorFlow，或者去Github上搜索 TensorFlow Wheel 找到第三方編譯的對應版本的whl安裝包。提前預警，若是自己編譯將會苦難重重，坑很多，這里就不展開了。
2.1 本項目環境依賴
目前在以下主流操作系統平臺均測試通過：
操作系統最低支持版本Ubuntu16.04Windows7 SP1macOSN/A
本訓練項目主要的環境依賴清單如下
依賴最低支持版本Python3.7
TensorFlow-GPU1.14.0Opencv-Python4.1.2.30Numpy1.16.0Pillow4.3.0PyYaml3.13tqdmN/A
2.1.1 Ubuntu 16.04 下的 Python 3.7
1）先安裝Python環境（有Python 3.7環境的可以忽略）
sudo apt-get install openssl
sudo apt-get install libssl-dev
sudo apt-get install libc6-dev gcc
sudo apt-get install -y make build-essential zlib1g-dev libbz2-dev libreadline-dev $ libsqlite3-dev wget curl llvm tk-dev
wget https://www.python.org/ftp/python/3.7.6/Python-3.7.6.tgz
tar -vxf Python-3.7.6.tar.xz
cd Python-3.7.6
./configure --prefix=/usr/local --enable-shared
make -j8
sudo make install -j8
經過上面指令就安裝好Python3.7環境了，如果提示找不到 libpython3.7m.so.1.0 就到/usr/local/lib路徑下將該文件復制一份到/usr/lib和/usr/lib64路徑下。
2）安裝相關依賴（這一步Windows和Linux通用）
可以直接在項目路徑下執行 pip3 install -r requirements.txt 安裝所有依賴，注意這一步是安裝在全局Python環境下的，強烈建議使用虛擬環境進行項目間的環境隔離，如 Virtualenv 或 Anaconda 等等。
我一般使用的是Virtualenv，有修改代碼需要的，建議安裝PyCharm作為Python IDE
virtualenv -p /usr/bin/python3 venv # venv is the name of the virtual environment.
cd venv/ # venv is the name of the virtual environment.
source bin/activate # to activate the current virtual environment.
cd captcha_trainer # captcha_trainer is the project path.
pip3 install -r requirements.txt
2.1.2 Ubuntu 16.04 下的 CUDA/cuDNN
網上看到過很多教程，我自己也部署過很多次，Ubuntu 16.04遇到的坑還是比較少的。14.04支持就沒那么好，如果主板不支持關閉SecureBoot的話千萬不要安裝Desktop版，因為安裝好之后一定會無限循環在登陸界面無法進入桌面。
網上教程說要加驅動黑名單什么的我直接跳過了，親測沒那個必要。就簡單的幾步：
1. 下載好安裝包
注意下載runfile類型的安裝包，deb安裝會自動安裝默認驅動，極有可能導致登陸循環
NVIDIA 驅動下載：
https://www.geforce.cn/drivers
CUDA 下載地址：
https://developer.nvidia.com/cuda-downloads
cuDNN 下載地址：
https://developer.nvidia.com/cudnn （需要注冊NVIDIA賬號且登陸，下載deb安裝包）
2. 關閉圖形界面
Ctrl+alt+F1進入字符界面，關閉圖形界面
sudo service lightdm stop
3. 安裝Nvidia Driver
命令中的版本自己對應下載的版本改，在上面的下載地址根據自己的顯卡型號下載最新版，切記是runfile格式的安裝包。
sudo chmod a+x NVIDIA-Linux-x86_64-384.90.run //獲取執行權限
sudo ./NVIDIA-Linux-x86_64-384.90.run –no-x-check –no-nouveau-check –no-opengl-files //安裝驅動
安裝成功以后使用以下命令驗證，如果顯示顯卡信息則表示安裝成功
nvidia-smi
4. 安裝CUDA
1）先安裝一些系統依賴庫
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
- 執行安裝程序，按指示無腦繼續就好了， 如果提示是否安裝驅動選不安裝。
sudo sh cuda_9.0.176_384.81_linux.run
安裝完如果環境變量沒配上去，就寫到 ~/.bashrc 文件的尾部
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后在終端執行 sudo ldconfig 更新，安裝完畢就可以重啟機器重啟圖形界面了。
sudo service lightdm start
2.1.3 Windows 系統
在Windows其實簡單很多，只要到官網下載安裝包無腦安裝就可以了，下載連接同Ubuntu，先安裝Python，顯卡驅動，CUDA，然后下載對應的cuDNN替換到對應路徑即可。
3 使用
在訓練之前，有不少群友經常問我“訓練4位數英文數字需要多少樣本？”諸如此類的問題，我這里統一做個回復，樣本數量主要是看樣本的特征復雜度而定。
這里可以提供幾個參考依據：是否變形？是否旋轉？是否有復雜背景干擾？是否多種字體？字符集（分類數）多大？位數（標簽數）多少？
- 一般簡單的 幾百 個樣本（需要自行調整 驗證集大小 和 驗證批次大小 ）即可。
- 稍微復雜的 幾千 個樣本一般都能搞定。
- 特別復雜的 幾萬 樣本起。
- 中文這種幾千個分類的一般 十萬 起。
注：只準備一百個不到樣本的親們，千萬不要嘗試訓練測試，因為根本跑不起來。
入手的第一步環境搭建好了，那就是準備跑代碼了，還是有幾個必要的條件，巧婦難為無米之炊，首先，既然是訓練，要先有訓練集，有一個新手嘗鮮的訓練集，是mnist手寫識別的例子，可以在騰訊云下載：
https://share.weiyun.com/5pzGF4V
，現在萬事俱備，只欠東風。
3.1 定義一個模型
本項目基于參數化配置，不需要改動任何代碼，可以通過可視化界面操作訓練幾乎任何字符型圖片驗證碼。訓練框架界面可以大致劃分為幾個部分：
- Neural Network - 神經網絡區
- Project Configuration - 項目配置區
- Sample Source - 樣本源配置區
- Training Configuration - 訓練配置區
- Buttons - 功能控制區
依此類推的訓練配置的步驟如下：
- 神經網絡區 的配置項看起來很多，對于新手來說，可以直接使用默認的配置：CNNX+GRU+CTC+C1組合（CNN前置網絡+GRU+CTC+單通道）。
- 項目配置區 的配置項在網絡選好之后配置項目名，按回車或者點擊空白處確認。
- 樣本源配置區 的配置項用來配置樣本源的路徑，訓練樣本是根據此路徑進行打包成TFRecords格式，驗證樣本可以不指定，使用[Validation Set Num]參數隨機從訓練集總抽樣成驗證集。
- 訓練配置區 的配置項負責定義訓練完成的條件如：結束準確率，結束COST，結束Epochs，批次大小
- 功能控制區 的配置項，設置完上面步驟，先點擊[Make Dataset] 打包樣本，再點擊[Start Training]開始訓練。
以下部分有基礎的讀者們可以了解一下：
如若使用CrossEntropy作為解碼器需要注意標簽數LabelNum和圖片尺寸需要滿足的關系，因為網絡為多標簽而設計（一般的多標簽采用直接連接多個分類器），卷積層的輸出 outputs 經過了以下變換：
Reshape([label_num, int(outputs_shape[1] / label_num)])
為了保證運算 int(outputs_shape[1] / label_num) 能夠取得正整數，也意味著他們之間存在某種關系，對于CNN5+Cross Entropy的網絡結構，Conv2D層的步長皆為1，那么需要保證以下關系成立：
mod(輸入寬度×輸入高度×輸出層參數池化步長池化層數×標簽數)=0mod(輸入寬度×輸入高度×輸出層參數池化步長池化層數×標簽數)=0
所以有時候需要Resize網絡輸入的Shape
網絡池化步長^池化層數輸出層參數
CNN51664CNNX864ResNet50161024DenseNet322048
例如使用CNN5+CrossEntropy組合，則輸入寬度與輸入高度需要滿足：
mod(輸入寬度×輸入高度×6416×標簽數)=0mod(輸入寬度×輸入高度×6416×標簽數)=0
同理如果CNN5+RNN+CTC，卷積層之后的輸出經過以下變換：
Reshape([-1, outputs_shape[2] * outputs_shape[3]])
原輸出(batch_size, outputs_shape[1], outputs_shape[2], outputs_shape[3])，RNN層的輸入輸出要求為(batch, timesteps, num_classes)，為了接入RNN經過以上操作，那么又引出一個Time Step的概念，所以timesteps的值也是 outputs_shape[1]，而CTC Loss要求的輸入為 [batch_size, frames, num_labels]，若是 timesteps 小于標簽數則無法計算損失，也就無法找損失函數中找到極小值，梯度何以下降。timesteps 最合理的值一般是標簽數的2倍，為了達到目的，也可以通過Resize網絡輸入的Shape解決，一般情況timesteps直接關聯于圖片寬度，大多情況只要按比例放大寬度即可。
ExtractRegex 參數：
注意：如果訓練集的命名格式和我提供的新手訓練集不一樣，請根據實際情況修改ExtractRegex的正則表達式。目前只支持在yaml配置文件中直接修改，尚未提供GUI界面修改的支持。DatasetPath 和SourcePath參數允許多個路徑，這種操作適用于需要將多種樣本訓練為一個模型，或者希望訓練一套通用泛化模型的人。
字符集Category其實大多數情況下不需要修改，一般的圖形驗證碼離不開數字和英文，而且一般來說是大小寫不敏感的，不區分大小寫，因為打碼平臺收集的訓練集質量參差不齊，有些大寫有些小寫，不如全部統一為小寫，默認ALPHANUMERIC_LOWER則會自動將大寫的轉為小寫，字符集可定制化很靈活，除了配置備注上提供的幾種類型，還可以訓練中文，自定義字符集用list表示，示例如下：
Category: ['常', '世', '寧', '慢', '南', '制', '根', '難']
如果是單標簽分類，可以配合LabelNum=1，例如：
Category: ["航母", "雨靴", "毛線", "安全帽", "調色板", "海鷗", "日歷", "網球拍", ......]
其文件名示例：航母_1231290424123.png
如果是多標簽分類，可以配合LabelSplit=&，例如：
Category: ["航母", "雨靴", "毛線", "安全帽", "調色板", "海鷗", "日歷", "網球拍", ......]
其文件名示例：航母&雨靴&毛線_1231290424123.png
可以自己根據收集訓練集的實際字符集使用率來定義，也可以無腦網上找3500常用字來訓練， 注意：中文字符集一般比數字英文大很多，剛開始收斂比較慢，需要更久的訓練時間，也需要更多的樣本量，請量力而行
形如上圖的圖片能輕松訓練到95%以上的識別率。
ImageWidth、ImageHeight只要和當前圖片尺寸匹配即可，其實這里的配置主要是為了方便后面的部署智能策略。
Pretreatment參數：
該參數是用來做圖片預處理的，例如形如以下的GIF動圖，
可以使用ConcatFrames參數選取幀對兩幀進行水平拼接，適用于處理滾動型GIF，而閃爍型GIF可以使用BlendFrames參數進行融合。
3.2 開始訓練
- 經過 采集標注樣本形如 xxx_隨機數.png
- 打包樣本
通過GUI界面的 [Make Dataset] 或者 make_dataset.py 直接打包。
注意：使用源碼運行本項目的功能模塊需要具備一定的語言基礎，參數修改的部分和示例已預留好，盡量不修改核心類或函數的代碼以免出現錯誤。
按照上面的介紹，配置只要修改極少數的參數對應的值，就可以開啟正式的訓練之旅了，具體操作如下：
可以直接使用 PyCharm 的 Run，執行 trains.py，也可以在激活Virtualenv下使用終端亦或在安裝依賴的全局環境下執行，但本文建議全程使用GUI界面進行操作，使用GUI僅需啟動 App.py 即可。
python3 trains.py
剩下的就是等了，看過程，等結果。
正常開始訓練的模樣應該是這樣的：
訓練結束會在項目的out路徑下生成一個包含pb文件的graph目錄和包含yaml文件的model目錄，下面該到部署環節了。
3.3 部署
真的很有必要認真的介紹一下部署項目，比起訓練，這個部署項目傾注了筆者更多的心血，為什么呢？
項目地址：
https://github.com/kerlomz/captcha_platform
如希望將本系統集成于自己的項目中的可以參考python-sdk的使用：
https://pypi.org/project/muggle-ocr/
該項目的核心基于
captcha_platform/sdk/pb/sdk.py 可以根據需要自行修改，抑或直接使用MuggleOCR 調用訓練框架生產的模型。（具體調用方法可點擊上面鏈接有對應的文檔介紹）
編譯版：
https://github.com/kerlomz/captcha_platform/releases，使用編譯版無需安裝Python和TensorFlow環境。
真的值得了解的幾點
- 同時管理多個模型，支持模型熱拔插
- 靈活的版本控制
- 支持批量識別
- 服務智能路由策略
首先筆者重寫了TensorFlow的Graph會話管理，設計會話池，允許同時管理多模型，實現多模型動態部署方案。
1）訓練好的 pb模型只要放在部署項目的graph路徑下，yaml模型配置文件放在model， 即可被服務發現并加載。（用SDK調用時，兩者置于同一目錄下）
2）如果需要卸載一個正在服務的模型，只需要在model中刪除該模型的yaml配置文件，在graph中刪除對應的pb模型即可。
3）如果需要更新一個已經服務中的模型，只需修改新版的模型yaml配置文件的版本號高于原模型的版本號，按先放pb后放yaml的順序，服務便會自動發現新版的模型并加載使用，舊的模型將因版本低于新版模型不會被調用，可以按照上述的卸載方法卸載已被棄用的模型釋放內存。
上面的操作中無需重啟服務，完全的無縫切換
其次，一套服務想要服務于各式各樣的圖像識別需求，可以定義一套策略，訓練時將所有尺寸一樣的圖片訓練成一個模型，服務根據圖片尺寸自動選擇使用哪個模型，這樣的設計使定制化和通用性共存，等積累到一定多樣的訓練集時可以將所有的訓練集合到一起訓練一個通用模型，亦可以彼此獨立，每個模型的疊加僅僅增加了少量的內存或顯存，網上的方案大多是不同的模型單獨部署一套服務，每個進程加載了一整套TensorFlow框架勢必是過于龐大和多余的。
用到批量識別需求的人相對少很多這里就不展開介紹了。但是這里給出一個12306的例子：
FieldParam:
CorpParams: [
{
"start_pos": [118, 0],
"interval_size": [0, 0],
"corp_num": [1, 1],
"corp_size": [60, 30]
},
{
"start_pos": [5, 40],
"interval_size": [5, 5],
"corp_num": [4, 2],
"corp_size": [66, 66]
}
]
OutputCoord: True
該參數可以用于大圖的裁剪組成一批小圖作為一個批次的輸入，改用法可以避免多次調用。
但是識別項目提供了多套可選的服務有：gRPC，Flask，Tornado，Sanic，其中Flask和Tornado提供了加密接口，類似于微信公眾號開發接口的SecretKey和AccessKey接口，感興趣的可以在demo.py中閱讀調用源碼了解。
部署的使用可以經過package.py編譯為可執行文件，這樣可以免去更換機器環境安裝的煩惱，部署項目安裝流程同訓練項目，項目中提供的requirements.txt已經將所需的依賴都列清楚了，強烈建議部署項目安裝cpu版TensorFlow。
本項目部署推薦使用Tornado版，功能最齊全，性能最為穩定。
Linux：
- Tornado：
# 端口 19952
python3 tornado_server.py
- Flask
# 方案1，裸啟動， 端口 19951
python flask_server.py
# 方案2，使用gunicorn，端口 5000
pip install gunicorn
gunicorn -c deploy.conf.py flask_server:app
- Sanic：
# 端口 19953
python3 sanic_server.py
- gRPC:
# 端口 50054
python3 grpc_server.py
- 編譯版(基于Tornado)
# 前臺運行
./captcha_platform_tornado
#后臺運行
nohup ./captcha_platform_tornado &
Windows：
Windows平臺下都是通過 python3 xxx_server.py 啟動對應的服務，注意，Tornado、Flask、Sanic的性能在Windows平臺都大打折扣，gRPC是google開源的RPC服務，有較為優越的性能。
編譯版直接運行編譯后的exe可執行文件即可。
3.4 調用/測試
1. Tornado服務：
請求地址Content-Type參數形式請求方法
http://localhost:19952/captcha/v1application/jsonJSONPOST
具體參數：
參數名必選類型說明imageYesStringBase64 編碼model_nameNoString模型名，yaml配置中可綁定need_colorNoString顏色過濾，
black/red/blue/yellow/green/whiteoutput_splitNoString多標簽分割字符
請求為JSON格式，形如：{"image": "base64編碼后的圖像二進制流"}
返回結果：
參數名類型說明messageString識別結果或錯誤消息codeString狀態碼successString是否請求成功
該返回為JSON格式，形如：{"message": "xxxx", "code": 0, "success": true}
2. Flask服務：
請求地址Content-Type參數形式請求方法
http://localhost:19951/captcha/v1application/jsonJSONPOST
請求參數和返回格式同上
3. Sanic服務：
請求地址Content-Type參數形式請求方法
http://localhost:19953/captcha/v1application/jsonJSONPOST
請求參數和返回格式同上
4. gRPC服務：
需要安裝依賴，grpcio、grpcio_tools和對應的grpc.proto文件，可以直接從項目中的示例代碼demo.py中提取。
python -m grpc_tools.protoc -I. --python_out=. --grpc_python_out=. ./grpc.proto
grpcio、grpcio_tools 是根據 grpc.proto 使用上述命令生成的。
class GoogleRPC(object):
def __init__(self, host: str):
self._url = '{}:50054'.format(host)
self.true_count = 0
self.total_count = 0
def request(self, image, model_type=None, model_site=None):
import grpc
import grpc_pb2
import grpc_pb2_grpc
channel = grpc.insecure_channel(self._url)
stub = grpc_pb2_grpc.PredictStub(channel)
response = stub.predict(grpc_pb2.PredictRequest(
image=image, split_char=',', model_type=model_type, model_site=model_site
))
return {"message": response.result, "code": response.code, "success": response.success}
if __name__ == '__main__':
result = GoogleRPC().request("base64編碼后的圖片二進制流")
print(result)
3.5 奇技淫巧
該項目還可以直接用于識別帶顏色的驗證碼，部署項目
middleware/impl/color_extractor.py基于k-means實現了顏色分離模塊，可用于處理如下形式的驗證碼：
還有一種方案是同時預測驗證碼和每個字符對應的顏色，不過這需要修改現有的神經網絡進行支持，在最后一層修改為雙輸出，一個輸出顏色，一個輸出對應字符，這對于樣本標注的要求較高，也提高的成本，所以如果能用無限生成樣本，那問題就迎刃而解了，比如上圖，筆者就寫了樣本生成代碼，感興趣的可以移步：
https://www.jianshu.com/p/da1b972e24f2
其實還有很多很多技巧，例如，用生成的樣本代替訓練集，其實網上的圖片驗證碼大多是采用開源的，稍作修改而已，大多數情況都能被近似生成出來，上述展示的驗證碼圖片不代表任何實際的網站，如有雷同，純屬巧合，該項目只能用于學習和交流用途，不得用于非法用途。
