做一个基于PyTorch破解captcha验证码的接口

一.github下载源码

地址：https://github.com/dee1024/pytorch-captcha-recognition

根据他的操作步骤走没啥大问题，要生成几万张图片跑几个epoch才可以看到有一点点识别率，我7万张图片跑了30多epoch都没打到他说的准确率，目前只有80%左右

二.加载model.pkl并做一个服务接口

从源码可以看到训练每次读取64张图片，每100次会保存一个model.pkl文件
如果想接着上一次训练完的模型训练，修改文件captcha_train.py，加上这两句

当已经训练到你想要的准确率时，就不用训练了，直接加载model.pkl出来用
直接新建一个app.py文件，并把model.pkl，captcha_cnn_model.py， captcha_setting.py放到当前目录

import base64
from flask import request
from flask import Flask
import numpy as np
import torch
from captcha_cnn_model import CNN
from PIL import Image
from torchvision import transforms
import captcha_setting

app=Flask(__name__)


# 加载模型
cnn = CNN()
cnn.eval()
cnn.load_state_dict(torch.load('model.pkl'))
# 定义路由
@app.route("/photo", methods=['POST'])
def get_frame():
    # 接收图片
    upload_file = request.files['file']
    image = Image.open(upload_file)
    # 数据归一化，要和训练时的一样，从my_dataset.py文件可以看到
    transform = transforms.Compose([
        transforms.Grayscale(),
        transforms.ToTensor(),
    ])
    # 现在的到的是三维数组（1， 60， 180）
    img_tensor = transform(image)
    # 因为训练时是按批次训练的，是个四维数组，所以输入的时候也要转换为四维数组，img_tensor.unsqueeze(0)==>（1, 1, 60, 180）
    predict_label = cnn(img_tensor.unsqueeze(0))
    # 根据索引位置识别出对应哪个字符
    c0 = captcha_setting.ALL_CHAR_SET[np.argmax(predict_label[0, 0:captcha_setting.ALL_CHAR_SET_LEN].data.numpy())]
    c1 = captcha_setting.ALL_CHAR_SET[np.argmax(predict_label[0, captcha_setting.ALL_CHAR_SET_LEN:2 * captcha_setting.ALL_CHAR_SET_LEN].data.numpy())]
    c2 = captcha_setting.ALL_CHAR_SET[np.argmax(predict_label[0, 2 * captcha_setting.ALL_CHAR_SET_LEN:3 * captcha_setting.ALL_CHAR_SET_LEN].data.numpy())]
    c3 = captcha_setting.ALL_CHAR_SET[np.argmax(predict_label[0, 3 * captcha_setting.ALL_CHAR_SET_LEN:4 * captcha_setting.ALL_CHAR_SET_LEN].data.numpy())]
    predict_label = '%s%s%s%s' % (c0, c1, c2, c3)
    return predict_label

if __name__ == "__main__":
    app.run(host='0.0.0.0', port=5000)         

启动服务后，通过postman访问，没毛病

本文地址：https://blog.csdn.net/qq1607667079/article/details/110923837