1. 操作系统:
64位Windows10
2. 下载mxnet的Windows预编译版本,(我已下载CPU版文件mxnet_20160531_win10_x64_cpu.7z和GPU版文件mxnet_20160531_win10_x64_gpu.7z),也可自行下载地址https://github.com/dmlc/mxnet/releases
分为不支持GPUs和支持GPUs版本
我选择了CPUs版本。
将下载的压缩包解压,比如解压到D:\mxnet。然后双击执行,D:\mxnet目录下的 setupenv.cmd 文件,即设置好环境。
3. 下载安装安装python,(我已下载python-2.7.12.amd64.msi安装文件,双击运行),也可自行下载地址https://www.python.org/downloads/
我这是64位系统,请务必装64位的python2.7,例如安装在D:\Python27目录下
添加python和pip(python2.7自带pip,在D:\Python27\Scripts目录下)环境变量,即在环境变量path里添加D:\Python27,以及D:\Python27\Scripts
4. 安装numpy,到pip所在目录,即在命令行下cd D:\Python27\Scripts,再运行pip install numpy
5. 假设mxnet是解压在D:\mxnet,则设置环境变量PYTHONPATH=d:\mxnet\python
6. 设置python支持,在D:\mxnetD:\mxnet\python目录下,命令行运行python setup.py install
见到“Finished processing dependencies for mxnet==0.7.0”,表示成功
7. 安装wget,(我已下载wget-1.11.4-1-setup.exe安装文件,双击运行),下载地址http://downloads.sourceforge.net/gnuwin32/wget-1.11.4-1-setup.exe
8. 下载mxnet源代码,(我已下载mxnet-master.zip),也可自行下载地址https://github.com/dmlc/mxnet/archive/master.zip
将压缩包解压到D:\mxnet\mxnet_master目录下
9. 修改目录下的 python example/image-classification/train_mnist.py 文件,将此文件的第七行开始的 _download() 函数,修改为如下,并保存:
def _download(data_dir):
## fix for windows
data_dir = data_dir.replace("/", "")
if not os.path.isdir(data_dir):
os.system("mkdir " + data_dir)
os.chdir(data_dir)
## fix for windows
if (not os.path.exists('mnist.zip')):
os.system("wget http://data.dmlc.ml/mxnet/data/mnist.zip")
if (not os.path.exists('train-images-idx3-ubyte')) or \
(not os.path.exists('train-labels-idx1-ubyte')) or \
(not os.path.exists('t10k-images-idx3-ubyte')) or \
(not os.path.exists('t10k-labels-idx1-ubyte')):
os.system("unzip -u mnist.zip")
## os.system("unzip -u mnist.zip; rm mnist.zip")
os.chdir("..")
10. 运行Mnist手写体识别实例
cd mxnet/example/image-classification
python train_mnist.py
11. 安装opencv,已下载opencv_python-2.4.13-cp27-cp27m-win_amd64.whl,下载地址http://www.lfd.uci.edu/~gohlke/pythonlibs/6kbpejrn/opencv_python-2.4.13-cp27-cp27m-win_amd64.whl
pip install opencv_python-2.4.13-cp27-cp27m-win_amd64.whl
12.安装matplotlib,
pip install matplotlib
11. multiprocessing出错,pickle.PicklingError: Can't pickle 见https://github.com/dmlc/mxnet/issues/2643
if args.num_thread == 1:
import Queue # move the except block here
...
else:
import multiprocessing
... # move the try block here
没有合适的资源?快使用搜索试试~ 我知道了~
python mxnet框架下机器学习识别身份证号码.zip
共26个文件
py:23个
txt:2个
pyc:1个
需积分: 5 0 下载量 136 浏览量
2024-04-28
22:27:47
上传
评论
收藏 37KB ZIP 举报
温馨提示
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径。 机器学习的发展历程可以追溯到20世纪50年代,当时Arthur Samuel在IBM开发了第一个自我学习程序,一个西洋棋程序,这标志着机器学习的起步。随后,Frank Rosenblatt发明了第一个人工神经网络模型——感知机。在接下来的几十年里,机器学习领域取得了许多重要的进展,包括最近邻算法、决策树、随机森林、深度学习等算法和技术的发展。 机器学习有着广泛的应用场景,如自然语言处理、物体识别和智能驾驶、市场营销和个性化推荐等。通过分析大量的数据,机器学习可以帮助我们更好地理解和解决各种复杂的问题。例如,在自然语言处理领域,机器学习技术可以实现机器翻译、语音识别、文本分类和情感分析等功能;在物体识别和智能驾驶领域,机器学习可以通过训练模型来识别图像和视频中的物体,并实现智能驾驶等功能;在市场营销领域,机器学习可以帮助企业分析用户的购买行为和偏好,提供个性化的产品推荐和定制化的营销策略。 总的来说,机器学习是一个快速发展且充满潜力的领域,它正在不断地改变我们的生活和工作方式。随着技术的不断进步和应用场景的不断扩展,相信机器学习将会在未来发挥更加重要的作用。
资源推荐
资源详情
资源评论
收起资源包目录
python mxnet框架下机器学习识别身份证号码.zip (26个子文件)
content
readimg.py 3KB
rtrain.py 1KB
readimg_integer.py 3KB
transInteger.py 8KB
readimg_sex.py 3KB
rpredict.py 732B
imgprocess28.py 36KB
readimg_chinese.py 3KB
rtrain_chinese.py 3KB
rof.pyc 2KB
rpredict_integer.py 757B
process_org.py 4KB
hanzi.py 2KB
imgprocessR21_C13.py 27KB
rtrain_sex.py 3KB
安装配置过程说明.txt 3KB
hanzi3.py 2KB
rpredict_sex.py 742B
rtrain_integer.py 3KB
websit.txt 674B
rof.py 2KB
test.py 3KB
transSex.py 7KB
rpredict_chinese.py 1KB
hanzi2.py 617B
transChinese.py 10KB
共 26 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3797
- 资源: 4426
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功