簡介

這個項目的基礎(chǔ)是深度學(xué)習(xí)和圖像分類，目的是創(chuàng)建一個簡單而有趣的石頭剪刀布游戲。首先，這個項目是我在5月份的COVID19隔離期中無聊的產(chǎn)物，希望當(dāng)你讀到這個時，一切都恢復(fù)正常了。我的目的是通過這篇文章用簡單的術(shù)語向初學(xué)者解釋這個項目的基本原理。讓我們開始吧！在構(gòu)建任何類型的深度學(xué)習(xí)應(yīng)用程序時，有三個主要步驟：收集和處理數(shù)據(jù)建立一個合適的人工智能模型部署使用整個項目都引用了我的Github repo，并與之?dāng)y手并進，所以請做好參考準(zhǔn)備。

收集我們的數(shù)據(jù)

任何深度學(xué)習(xí)模型的基礎(chǔ)都是數(shù)據(jù)，任何一位機器學(xué)習(xí)工程師都會同意這一點，在ML中，數(shù)據(jù)遠比算法本身重要。我們需要收集石頭，布和剪刀的符號圖像，我沒有下載別人的數(shù)據(jù)并在上面進行訓(xùn)練，而是制作了自己的數(shù)據(jù)集，鼓勵你也建立自己的數(shù)據(jù)集。之后嘗試更改數(shù)據(jù)并重新訓(xùn)練模型，以查看數(shù)據(jù)對深度學(xué)習(xí)模型究竟有怎樣的影響。

PATH ＝ os．getcwd（）＋＇＼＇

cap ＝ cv2．VideoCapture（0）

label ＝ sys．a(chǎn)rgv［1］

SAVE＿PATH ＝ os．path．join（PATH， label）

try：

os．mkdir（SAVE＿PATH）

except FileExistsError：

pass

ct ＝ int（sys．a(chǎn)rgv［2］）

maxCt ＝ int（sys．a(chǎn)rgv［3］）＋1

print（＂Hit Space to Capture Image＂）

while True：

ret， frame ＝ cap．read（）

cv2．imshow（＇Get Data ： ＇＋label，frame［50：350，100：450］）

if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＇ ＇）：

cv2．imwrite（SAVE＿PATH＋＇＼＇＋label＋＇｛｝．jpg＇．format（ct），frame［50：350，100：450］）

print（SAVE＿PATH＋＇＼＇＋label＋＇｛｝．jpg Captured＇．format（ct））

ct＋＝1

if ct ＞＝ maxCt：

break

cap．release（）

cv2．destroyAllWindows（）