引言

随着人工智能的热度不断增加,很多人看到了机器学习的许多优势之处。这个系列将从下载pycharm编译器,搭建pytorch环境,利用opencv配合初步的实现一个利用神经网络进行识别车牌的项目。

正文

话不多说,第一章首先来把我们要用的编译器以及包下载好,下面的链接是pycharm编译器的安装包。各位按教程下载即可。
链接:https://pan.baidu.com/s/1NOFFc1WNwxfbt8Gflh9Tkg 提取码:pnsm

项目整体思路


在下载编译器的过程中,我们可以来了解一下本次项目的主体思路以及框架。 由于神经网络的训练需要花费相当的算力和时间,我们通过opencv进行图像处理,简单地识别出车牌,并将其图像压缩,从而减少神经网络的识别负担。我们通过字符分割的图像算法自行搭建数据集并用于CNN网络的训练。最后实现对车牌上的字符进行识别。并输出结果。 整个项目使用的是pytorch,不同于tensorflow,pytorch的入门相对简单,使用起来也比较方便。

python以及pytorch版本

在安装完pycharm后,我们需要安装python以及pytorch,本项目使用的python版本为3.6,pytorch版本为1.6+cuda10.1
安装教程
https://www.python.org/downloads/release/python-368/ 可在python的官网中找到 按要求下载并安装即可 安装时记得勾上这个,自动添加环境变量。 安装完python之后安装pytorch 首先进入pytorch的官网 https://pytorch.org/get-started/locally/ 选好对应版本之后将红色框中的命令复制粘贴在PowerShell中运行即可。 下载完之后我们进入pycharm打开file目录下的setting,并完成python版本的设置,步骤如下图 设置完之后,按照下图步骤下载需要的python包 依次是Pillow,numpy,opencv-python,torchvision 安装完所需要的包后,我们便可以开始创建工程,进行代码的编写了。

总结

本小节我们下载的python以及所需要的编译器pycharm以及一些包括pytorch在内的包。后面我们将逐步介绍这些包的利用,以及功能的实现。