本项目主要用于介绍一种旋转类验证码基于CNN识别的通用方法，包含双图和单图，并基于某书的双图训练了一个误差极小的双图旋转验证码识别模型。
如果想直接使用某书模型，直接参考example.py，不用继续向下看。
将尽可能多的验证码图片下载下来，并使用标注系统label.py（需要自行修改代码中的路径，如果是单图旋转的话，也需要自行修改代码）旋转到正确角度（0度）。
然后将旋转到正确角度的代码进行去重，我为了方便使用了Duplicate Cleaner 5，将多余的重复图片删除掉，某书大概能剩余个五十来张不重复素材。
将所有图片分别旋转到对应360度图片，并保存到硬盘，参考rotate_all_image.py。
不需要手动分测试集语料，训练代码会自动分测试集。
修改train_torch.py中第60行代码处的路径，将其指向到你的图片路径。
参考example.py
第一次训练可以把69行的num_epochs调整大一些，比如200，然后观察训练时打印的loss数值，找到一个loss最低的轮数，修改num_epochs为上次loss值最低的轮数重新跑一次，基本上训练出来效果就会非常好
这些代码全是ChatGPT写的，我只是给ChatGPT提供了靠谱的思路，这些代码你们也可以让ChatGPT给你们写，不过记得用英文提问，这样ChatGPT的理解能力会有巨大提升，能写出来靠谱的代码~