更新逻辑和代码

Author: ctkqiang

run.py

@@ -8,16 +8,18 @@
     from typing import Tuple
     from datetime import datetime
 except ImportError:
-    raise "🥹无法安装配件"
+    raise ImportError("🥹无法安装配件")
 finally:
     pass
 
 class 华佗AI:
-    def __init__(self) -> None:
+    def __init__(self, 展示 :bool) -> None:
         super(华佗AI, self).__init__()
 
         matplotlib.rcParams["font.family"] = "Heiti TC"
 
+        self.名称: str = "华佗AI"
+        self.展示 :bool = 展示
         self.图片文件 = "./data/images/"
         self.seed :int = 21
         self.图像高度 :int = 32
@@ -32,68 +34,73 @@ def __init__(self) -> None:
             "人参片"
         ]
         self.优化器 :str | None = "adam"
-        self.纪元 :int = 10
+        self.纪元 :int = 5
 
     def 训练数据(self) -> None:
         self.记录(信息="TensorFlow 版本 |> {}".format(tf.__version__))
 
-        if os.path.exists(self.图片文件):
-            训练目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
-                self.图片文件,
-                image_size=(self.图像高度, self.图像宽度),
-                batch_size=self.批量的大小
-            )
-            
-            估价目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
-                self.图片文件,
-                image_size=(self.图像高度, self.图像宽度),
-                batch_size=self.批量的大小
-            )
-            
-            测试目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
-                self.图片文件,
-                image_size=(self.图像高度, self.图像宽度),
-                batch_size=self.批量的大小
-            )
-            
-            图表.figure(figsize=(10, 10))
-            
-
-            for 照片, 名称 in 训练目录.take(1):
-                for 药 in range(9):
-                    图表.subplot(3, 3, (药 + 1))
-                    图表.imshow(照片[药].numpy().astype("uint8"))
-                    图表.title(label=self.中药材料[名称[药]], fontsize=10, color="green")
-                    图表.axis(self.轴)
-            
-            训练模型 = tf.keras.Sequential(
-                [
-                    tf.keras.layers.Rescaling(1./255),
-                    tf.keras.layers.Conv2D(32, 3, activation=self.活化),
-                    tf.keras.layers.MaxPool2D(),
-                    tf.keras.layers.Conv2D(32, 3, activation=self.活化),
-                    tf.keras.layers.MaxPool2D(),
-                    tf.keras.layers.Conv2D(32, 3, activation=self.活化),
-                    tf.keras.layers.MaxPool2D(),
-                    tf.keras.layers.Flatten(),
-                    tf.keras.layers.Dense(128, activation=self.活化),
-                    tf.keras.layers.Dense(2)
-                ]
-            )
-            
-            训练模型.compile(
-                optimizer=self.优化器, 
-                loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
-                metrics=["accuracy"]
-            )
-            
-            训练模型.fit(训练目录, validation_data=训练目录, epochs=self.纪元)
-        else:
-            self.记录(信息=f"{self.图片文件} 不存在")
-            return
-    
-    def 加载数据(self) -> None:
-        中药材料 = None
+        try:
+            if os.path.exists(self.图片文件):
+                训练目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
+                    self.图片文件,
+                    image_size=(self.图像高度, self.图像宽度),
+                    batch_size=self.批量的大小
+                )
+                
+                估价目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
+                    self.图片文件,
+                    image_size=(self.图像高度, self.图像宽度),
+                    batch_size=self.批量的大小
+                )
+                
+                测试目录 :tensorflow.python.data.ops.batch_op._BatchDataset = tf.keras.utils.image_dataset_from_directory(
+                    self.图片文件,
+                    image_size=(self.图像高度, self.图像宽度),
+                    batch_size=self.批量的大小
+                )
+                
+                if self.展示: 
+                    图表.figure(figsize=(6, 6))
+                    图表.suptitle(self.名称)
+                
+                for 照片, 名称 in 训练目录.take(1):
+                    for 药 in range(9):
+                        图表.subplot(3, 3, (药 + 1))
+                        图表.imshow(照片[药].numpy().astype("uint8"))
+                        图表.title(label=self.中药材料[名称[药]], fontsize=10, color="green")
+                        图表.axis(self.轴)
+                    
+                if self.展示: 图表.show()
+                        
+                训练模型 = tf.keras.Sequential(
+                    [
+                        tf.keras.layers.Rescaling(1./255),
+                        tf.keras.layers.Conv2D(32, 1, activation=self.活化),
+                        tf.keras.layers.MaxPool2D(),
+                        tf.keras.layers.Conv2D(32, 1, activation=self.活化),
+                        tf.keras.layers.MaxPool2D(),
+                        tf.keras.layers.Conv2D(32, 1, activation=self.活化),
+                        tf.keras.layers.MaxPool2D(),
+                        tf.keras.layers.Flatten(),
+                        tf.keras.layers.Dense(128, activation=self.活化)
+                    ]
+                )
+                
+                训练模型.compile(
+                    optimizer="adam", 
+                    loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
+                    metrics=["accuracy"]
+                )
+        
+                训练模型.fit(训练目录, validation_data=训练目录, epochs=self.纪元)
+                
+                # print(训练模型)
+            else:
+                self.记录(信息=f"{self.图片文件} 不存在")
+        except Exception as e:
+            raise e
+        finally:
+            pass
 
     def 记录(self, 信息: str) -> None:
         现在 :object = datetime.now()
@@ -102,5 +109,5 @@ def 记录(self, 信息: str) -> None:
         print(f"华佗AI[{目前时间}] {str(信息)}")
 
 if __name__ == "__main__":
-    huatuoAi = 华佗AI()
+    huatuoAi = 华佗AI(展示=True)
     huatuoAi.训练数据()