[更新/首发] qsTrainer训练工具 支持验证码/孪生/分类训练

情殇QAQ

易语言模块全类型支持GPU调用，群内优先更新版本 118127644

[更新日志] qsTrainer 使用手册

最新版本更新 (v26-01-12)

• 新增：支持 “单分类” 模型训练，适用于简单的图像归类或状态判断。
• 新增：支持 “孪生网络” 训练，适用于图像相似度比对、点选验证码等场景。
• 优化：训练流程进一步简化，提升推理兼容性。

---

如何使用 qsTrainer 训练专属验证码识别模型

1. 软件简介：这是什么工具？

你是否遇到过需要自动识别验证码的场景，却被复杂的编程代码劝退？

qsTrainer 是一款可视化的深度学习训练工具。简单来说，你只需要把收集好的验证码图片交给它，通过简单的鼠标点击设置，它就能训练出一个能自动识别验证码的“大脑”（模型）。

你不需要懂 Python，也不需要写一行代码，就能完成从数据加载到模型导出的全过程。
根据模型和配置文件，Windows下使用DLL进行推理调用，支持32位 64位程序并且可使用GPU预测。

未来规划：后续将推出HTTP服务端搭建、NCNN预测、预训练模型、数据增强及更多类型支持。

当前支持训练类型：

1. 不定长验证码（OCR文本识别）
2. 单分类（图像归类/属性判断）
3. 孪生网络（图像相似度匹配）

---

2. 界面功能全解析（看图说话）

根据软件界面，我们将功能分为四个核心区域，请对照软件窗口查看：

2.1 模型配置区

这是机器人的“大脑结构”设定，请根据你的验证码类型选择：

• 模型类型：
  • 不定长文本：最常用的选项（如截图所示）。适用于识别字母、数字、汉字组合，且字符数量不固定的情况（比如有时是4位，有时是6位）。
  • 单分类 (新增)：适用于“做选择题”。
    • 场景举例：判断图片是“正向”还是“倒置”；判断图片里是“猫”还是“狗”；判断滑块的缺口形状类别。
  • 孪生网络 (新增)：适用于“找同款”或“比差异”。
    • 场景举例：点选验证码（从一堆图标中找出和目标一样的图标）；计算两个滑块缺口的匹配度。
• 卷积网络 / 循环网络：
  • 卷积网络：机器的“眼睛”，负责提取图片特征。
  • 循环网络：机器的“逻辑记忆”，负责把特征串连成文字（主要用于不定长文本）。
  • 神经元数量 (64)：相当于大脑容量，通常保持默认即可。太大了电脑跑不动，太小了记不住特征。

2.2 图像与标签配置

这一步非常关键，必须根据你实际收集的图片来填写！

• 宽度 / 高度：必须与你收集的验证码图片尺寸完全一致。
  • 小技巧：如果长宽不固定，宽度可填 -1，软件将根据高度自动按比例缩放设置。
• 固定通道数：
  • 3：代表彩色图片（RGB）。
  • 1：代表灰度图片（黑白）。
• 标签分隔符：
  • 软件是通过文件名来学习的。例如图片内容是 ABcd，文件名可能是 ABcd_83729.jpg。
  • 如果你的文件名中有下划线 _ 分隔真实值和随机码，这里就要填 _。

2.3 训练配置

这里决定了机器人学习的效率。

• 批大小 (Batch Size)：机器一次“一口气”读多少张图。
  • 电脑显卡显存大可以设大点（如 64, 128）；配置低就设小点（如 16, 32）。
• 训练轮数 (Epochs)：机器要把所有教材反复复习多少遍。通常 100-200 轮就能达到不错的效果。
• 学习率 (Learning Rate)：
  • 默认 0.01。建议保持默认。数值太大容易“走火入魔”（不收敛），数值太小学习速度极慢。
• 目标准确率：设为 0.99 (99%)，意味着当机器考试能考99分时，自动停止训练。

2.4 数据集配置

• 添加目录：点击这里，选择你存放验证码图片的文件夹。
• 提取/验证：软件会检查一下图片标签是否合理，并存储标签内容。

---

3. 傻瓜式操作流程

想要训练一个模型，请按以下步骤操作：

1. 准备数据：
   • 收集几百到几千张图片。
   • 重命名：确保文件名前半部分是真实含义（分类类别或文本内容）。例如：a1b2_xxx.jpg 或 cat_01.jpg。
2. 加载数据：
   • 点击【添加目录】，选中图片文件夹。
   • 点击【提取/验证】：存储标签内容。
3. 参数设置：
   • 输入图片的宽、高。
   • 关键步骤：根据需求选择【模型类型】（不定长文本 / 单分类 / 孪生）。
   • 【标签分隔符】填 _ （如果你的文件名是用下划线分隔的）。
4. 开始训练：
   • 点击左下角的 【开始训练】 蓝色按钮。
   • 你会看到进度条和日志滚动，等待损失值（Loss）下降，准确率（Acc）上升。
5. 导出模型：
   • 当准确率满意后，点击 【停止训练】。
   • 点击 【导出ONNX】 或 【导出NCNN】。
   • 注：ONNX 是通用格式，绝大多数编程语言都可以调用这个文件来识别验证码。

---

4. 常见问题与专家建议

• Q: 为什么训练一开始准确率就是0？
  • A: 别急，机器刚开始是瞎猜的。让它跑个几十轮，如果还是0，检查一下“标签分隔符”是不是填错了，导致机器没读对文件名。
• Q: 需要多少张图片？
  • A: 简单的数字验证码，500-1000张通常够了。复杂的扭曲汉字或孪生网络匹配，可能需要上万张数据才能达到高精度。
• Q: 什么时候用“孪生网络”？
  • A: 当你的验证码任务不是“读出字”，而是“判断两张图是不是一样”或者“从一堆图中找出目标图”时，请务必选择孪生网络。

https://www.123865.com/s/4YjeVv-oF9Dv?pwd=uVLf#

huihui291940781

学习以牺牲，，顶顶顶顶顶顶顶顶顶顶

haoren316

孪生网络

dnder77

113213232123

xyh3526

看看                             

云随风而去

常见问题与专家建议

小魂

谢谢楼主分享

彗星爱地球

谢谢楼主分享

何以为

88888888888888888888

乱剁

        感谢分享，很给力！~

lingfeng0f

感谢分享！