整个项目代码分为三部分：Generrate_Captcha：生成验证码图片（训练集、验证集和测试集）；读取图片数据和标签（标签为图片文件名）；cnn_model：卷积神经网络；driver：模型训练和评估。1.配置项classConfig(object):width=160#验证码图片宽度height=60#验证码图片高度char_num=4#验证码字符个数characters=range(10)#Number[0,9]test_folder='test'#测试集文件夹，下同train_folder='train'validation_folder='validation'tensorboard_folder='tensorboard'#tensorboardlog路径generate_num=(5000,500,500)#训练集，验证集和测试Numberofsetsalpha=1e-3#LearningrateEpoch=100#Trainingroundsbatch_size=64#batches数量keep_prob=0.5#dropoutratioprint_per_batch=20#多少次输出结果save_per_batch=20#多少次写入tensorboard2,生成验证码(类Generate)验证码图片示例：0478check_path()：检查文件夹是否存在，不存在则创建。gen_captcha()：生成验证码方法，写入前检查是否存在，存在则重新生成。3.读取数据（类ReadData）read_data()：返回图像数组（numpy.array格式）和标签（即文件名）；label2vec()：将文件名转换为向量；示例：label='1327'label_vec=[0,1,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0]load_data():加载所有图片文件夹，返回图片数组，标签和图片数量。4、定义模型（cnn_model）采用三层卷积，filter_size为5。为了避免过拟合，每层卷积后都进行dropout操作，最后将图像转化为矩阵。大体结构如下：模型结构5、训练&评估next_batch()：迭代器，批量返回数据；feed_data()：将数据“喂”给模型；x：图像数组；y：图像标签；keep_prob：辍学率；evaluate()：模型评估，用于验证和测试集。run_model():training&evaluation6.目前效果经过4000次迭代，训练集准确率可达99%以上，测试集准确率为93%。还是有一点过拟合，不过现在模型是基于CPU训练的，完成一次训练大约需要4个小时，后续调整后会更新。训练图像：10000，验证图像：1000，测试图像：1000Epoch：1Step0，train_acc：7.42%，train_loss：1.43，val_acc：9.85%，val_loss：1.40，改进：*第20步，train_acc：12.50%，train_loss：0.46，val_acc：10.35%，val_loss：0.46，改进：*步骤40，train_acc：9.38%，train_loss：0.37，val_acc：10.10%，val_loss：0.37，改进：步骤60，train_acc：7.42%，train_loss：0.34，val_acc:10.25%,val_loss:0.34,improved:Step80,train_acc:7.81%,train_loss:0.33,val_acc:9.82%,val_loss:0.33,improved:Step100,train_acc:12.11%,train_loss:0.33,val_acc:10.00%,val_loss：0.33，改进：步骤120，train_acc：9.77%，train_loss：0.33，val_acc：10.07%，val_loss：0.33，改进：步骤140，train_acc：8.98%，train_loss：0.33，val_acc：10.40%，val_loss：0.33，改进：*Epoch：2Step160，train_acc：8.20%，train_loss：0.33，val_acc：10.52%，val_loss：0.33，改进：*...Epoch：51Step7860，train_acc：100.00%，train_loss：0.01，val_acc：92.37%，val_loss：0.08，改进：Step7880，train_acc：99.61%，train_loss：0.01，val_acc：0.0val：92.28%改进：步骤7900，train_acc：100.00%，train_loss：0.01，val_acc：92.42%，val_loss：0.08，改进：步骤7920，train_acc：100.00%，train_loss：0.00，val_acc：92.83%，val_loss：0.08，改进：步骤7940，train_acc：100.00%，train_loss：0.01，val_acc：92.77%，val_loss：0.08，改进：步骤7960，train_acc：100.00%，train_loss：0.01，val_acc：92.68%，val_loss：0.08，改进：步骤7980，train_acc：100.00%，train_loss:0.00,val_acc:92.63%,val_loss:0.09,improved:超过1000步无改善，自动停止....测试精度：93.00%,loss:0.087,Tensorboard会在每次训练前的Tensorboard路径下删除文件，否则趋势图会乱。Accurcyloss文渊网仅供学习使用。如有侵权，请联系删除。我的公众号【Python圈】里收集了优质的技术文章和经验总结。为了方便大家，我也整理了一套学习资料，免费提供给热爱Python的同学们！还有学习交流群，多交流问题才能进步更快~
