# 起步 - 下载

1. CC3.1-alpha.7.zip

2. CC_Demo.zip

解压 `CC3.1-alpha.7.zip ` 看到 `jobs`目录 把 `CC_Demo.zip` 也解压进去.


## 文件结构

|文件|说明|

|-|-|

|make-lmdb.bat|生成训练所需的lmdb数据库

|train-*|启动训练的批处理脚本

|/models|为训练中保存的模型文件

|/samples|为训练中保存的模型文件

## 其他

nvdia卡算力达到3.0及以上的可使用 train-GPU 系列批处理进行训练

2.非nvdia卡货算理不足的可使用train-CPU 系列批处理进行训练

3.finetune为微调训练 resume为训练

# 生成验证码样本


`\CC_Demo\samples`


# 生成标签文件



# 生成数据库

`make-lmdb.bat`


# 生成网络

分类数量看 label-map.txt 的行数


# 开始训练

`train-gpu.bat`


```

I1020 20:24:15.690196 6056 solver.cpp:422] Iteration 500, Testing net (#0)

I1020 20:24:19.975440 6056 solver.cpp:512] Test net output #0: accuracy = 0

I1020 20:24:19.975440 6056 solver.cpp:512] Test net output #1: ctc_loss = 39.3123 (* 1 = 39.3123 loss)

I1020 20:25:09.998301 6056 solver.cpp:422] Iteration 1000, Testing net (#0)

I1020 20:25:13.999531 6056 solver.cpp:512] Test net output #0: accuracy = 0.9775

I1020 20:25:14.000530 6056 solver.cpp:512] Test net output #1: ctc_loss = 0.127884 (* 1 = 0.127884 loss)

I1020 20:26:03.341352 6056 solver.cpp:422] Iteration 1500, Testing net (#0)

I1020 20:26:07.203573 6056 solver.cpp:512] Test net output #0: accuracy = 1

I1020 20:26:07.204573 6056 solver.cpp:512] Test net output #1: ctc_loss = 0.0036365 (* 1 =

I1020 20:26:56.820411 6056 solver.cpp:422] Iteration 2000, Testing net (#0)

I1020 20:27:00.899644 6056 solver.cpp:512] Test net output #0: accuracy = 1

I1020 20:27:00.899644 6056 solver.cpp:512] Test net output #1: ctc_loss = 0.00361446 (* 1 =

```

500样本时 accuracy = 0 **没有识别率**

1000样本时 accuracy = 0.9775 **达到97%**

1500样本时 accuracy = 1 **这已经可以停止**

2000样本时 accuracy = 1 **完成训练 达到100%**

# 训练好的文件

选取最后一个库就可以了


# 调用识别

使用训练好的文件识别 100%通过 没有错误的.