در اینجا یک پیش نمایش از برنامه است.
برای دسترسی به آموزش گام به گام ساخت این اپلیکیشن فلاسک با استفاده از پایتون به مقاله زیر مراجعه کنید👇👇
برنامه وب که ما می سازیم در مورد پیش بینی تصویر یک رقم علامت دست است. این مدل بر روی مجموعه داده ای به نام «زبان اشاره رقم دست آمریکایی» موجود در Kaggle آموزش داده شده است. این آموزش بر روی ساخت یک برنامه وب با استفاده از چارچوب وب Flask تمرکز دارد، بنابراین…
geekpython.in
در اینجا کد منبع کامل در GitHub آمده است👇👇
این برنامه وب Flask همه چیز در مورد پیش بینی تصاویر رقمی علامت دست بر اساس مدل یادگیری عمیق آموزش داده شده با استفاده از یادگیری انتقال است.
این برنامه وب با استفاده از چارچوب Flask ساخته شده است و همه چیز در مورد پیش بینی تصاویر رقمی علامت دست بر اساس مدل یادگیری عمیق آموزش داده شده با استفاده از یادگیری انتقال است.
- فلاسک
- TensorFlow (Keras)
- ناپخته
- بالش (PIL)
چارچوب UI
مخزن را در فهرست پروژه خود کلون کنید.
git clone https://github.com/Sachin-crypto/Flask_Image_Recognition.git
یا
دانلود به عنوان ZIP فایل و آن را در فهرست پروژه خود استخراج کنید.
وابستگی ها را از روی نصب کنید الزامات. txt فایل.
pip install -r requirements.txt
سی دی به دایرکتوری فعلی و اجرای اسکریپت.
flask --app app.py run --debug
اینجا را کلیک کنید تا راهنمای دقیق اجرای برنامه Flask را از خط فرمان دریافت کنید.
- یک تصویر را از پوشه تصاویر آزمایشی انتخاب کنید.
- پیش نمایش تصویر آپلود شده را خواهید دید.
- را کلیک کنید ارسال را فشار دهید و جادو را ببینید.
🏆مقاله دیگری که ممکن است دوست داشته باشید
مقدمه یادگیری انتقال در یادگیری ماشین استفاده می شود و روشی است که در آن شبکه های عصبی آموزش دیده یا از قبل آموزش دیده حضور دارند و این شبکه های عصبی از پیش آموزش دیده با استفاده از میلیون ها نقطه داده آموزش داده می شوند. این تکنیک در حال حاضر …
geekpython.in
مقدمه Flask یک چارچوب وب میکرو است که به زبان پایتون برای توسعه وب با استفاده از پایتون نوشته شده است. ما می توانیم تقریباً همه چیز را در Flask با نوشتن کد پایتون انجام دهیم، همانطور که در جاوا اسکریپت برای ساخت یک برنامه کاربردی انجام می دهیم. اما همه چیز کمی پیچیده و خسته کننده می شود …
geekpython.in
داده ها چاشنی اصلی در دستور العمل یادگیری ماشینی و یادگیری عمیق هستند. گفته می شود که حجم مناسبی از داده مسئول توسعه یک مدل هوش مصنوعی با عملکرد بهتر است. امروزه بسیاری از سرویس ها و برنامه های کاربردی مبتنی بر هوش مصنوعی توسط یادگیری عمیق هدایت می شوند.
geekpython.in
