Chinese language recognition
切割验证码中的的文字部分，并灰度图后，将其保存到data.npy中。
~$ ll -h data.npy
... 21M ... data.npy
~$ python3 -c "import numpy as np;t=np.load('data.npy');print(t.shape)"
(20133, 19, 57)
百度文档中心：https://ai.baidu.com/docs#/OCR-API/e1bd77f3
查看百度识别的结果，人工估计，识别的正确率并不高，因此把出现次数多的名词排到前面，人工估计，一共就只有80种名词，后面还有两千多种不对的，详情。假设如果对单个文字图片的识别结果就在这80种内就算是识别正确，将正确的数据存到texts.npz中。
~$ ll -h texts.npz
... 12M ... texts.npz
~$ python3 -c "~;print(t['texts'].shape);print(t['labels'].shape)"
(11164, 19, 57)
(11164,)
这也就是说百度对于12306验证码文字部分识别的正确率为11164/20133 ≈ 55%
让卷积神经网络从texts.npz中学习，前30步如下：
让学习后的卷积神经网络识别前所未见的文字texts.npy。嗯，在此就不公开这让我觉得很开心的结果了。
这真的是第五步，不是我给搞错了。这一步，需要图片识别器才能出生。
我不想再让百度为文字识别器提供训练集，而是让它的好朋友——图片识别器来帮它一把。图片识别器会告诉它，这张验证码中的文字只可能是以下八张图片的名称，将结果保存到texts.v2.npz。
~$ ll -h texts.v2.npz
... 12M ... texts.v2.npz
~$ python3 -c "~;print(t['texts'].shape);print(t['labels'].shape)"
(10015, 19, 57)
(10015, 80)
这一步需要已经根据百度文字识别器学习后的模型才能进一步学习，不然将很难入门（其实学习后的模型想入门也不容易），这很容易理解，但是我还是想知道其中隐藏的数学问题，难道这真的只能当做一种经验？
数据的下载地址：