最近在爬知乎的数据，遇到了验证码，就使用TensorFlow的CNN训练了一个能自动识别验证码的模型，最后识别线上验证码的准确率在95%左右。
- Python3
- PIL & numpy & requests
- TensorFlow
- CNN(卷积神经网络)
爬虫请求知乎太频繁时，你会遇到两种验证码：细字体和粗字体。
如果把两种验证码混合放到同一个神经网络中训练的话，收敛会比较慢，需要的样本量就比较大，然而我并没有很多样本，只能人工打码或者买打码服务去获取样本。所以我们可以先训练一个分类器，将两种验证码区分开，再分别去训练识别，这样需要的样本量就会少很多了！机智如我！
UPDATE
收集的样本足够多啦，就不用上面那种先分类再识别的方法啦，直接把样本丢进CNN里去训练就好！
- 把你的验证码样本放到
samples目录下的train_mixed_captcha_base64.txt文件中。 - 训练模型：运行
train目录下的model.py文件，直到达到你满意的准确率为止。这时训练好的网络结构和权重值等会保存在checkpoints目录下。 - 在
train目录下的__init__.py中恢复训练好的模型，导出predict_captcha预测函数。 - 执行
predict_captcha函数，传入base64编码的图片字符串，执行得到预测结果。 - 💥 Boom！想干嘛你就可以干嘛了！😏
代码中的模型使用TensorFlow构建了一个简单的卷积神经网络。
包含：一个输入层、三个卷积层+池化层和最后一个全连接层。
至于网络模型为什么是这种结构，因为：前人根据经验总结出来这种结构训练的效果会比较好。
当然你也可以尝试其他的结构，只要效果好就行了。我们都是黑盒调参的。
使用TensorBoard可以可视化训练的相关情况。
给大家看一下我训练的网络结构：
准确率走势图：
loss曲线：
最后，使用训练好的模型去 Cover 知乎线上的验证码平均有 90% 的准确率，也就是两次至少命中一次的概率为：
1 - 0.05 * 0.05 = 0.9975
够我用啦，然后。。。你懂得！
源码地址：https://github.com/lonnyzhang423/zhihu-captcha
UPDATE
知乎最近升级了验证码服务，换成腾讯的滑块验证码
之前的字符验证码样本就再次分享出来给大家学习使用吧！这下应该没人举报了吧
关注公众号：Python实验课 ， 后台回复：知乎验证码 获取百度云链接。
UPDATE
写了一个api给大家测试预测的效果
地址：http://47.96.150.119/api/toolkit/captcha
方法：POST
参数：img_base64