Github项目地址：https://github.com/gxtrobot/bustag
目录
基于机器学习的老司机车牌自动推荐系统
Bustag 是一个基于我开发的 python 异步爬虫框架开发aspider的自动车牌推荐系统, 系统原理为定时爬取最新车牌信息, 然后可以对车牌进行打标(标示是否喜欢), 打标车牌到一定数量可以进行训练并生成模型, 以后就可以基于此模型自动对下载的车牌进行预测是否喜欢, 可以过滤掉大量不喜欢的车牌, 节约时间
Python in Action 学习视频发布
https://github.com/gxtrobot/pyinaction
为提高解决问题效率 ,建了个qq群
QQ群: 941894005
注意, 该群仅讨论python学习, 爬虫开发, aspider 框架学习开发, Bustag系统bug, 运行问题等, 请勿讨论无关主题
免责声明: 本软件仅用于技术学习使用，禁止用于商业用途，使用本软件所造成的的后果由使用者承担！ 如果你觉得这个软件不错, 可以请我喝杯冰阔落 ^_^.
windows, mac 绿色版下载地址
链接: https://pan.baidu.com/s/1pqarq7fOXjsbad0WN4Uaaw 提取码: budu
压缩包密码: gxtrobot
docker 版本同步更新
运行 docker pull gxtrobot/bustag-app:latest 后重新启动项目即可
使用须知
只需在data目录下创建config.ini, 然后启动系统, 访问localhost:8000
使用视频
链接: https://pan.baidu.com/s/1pqarq7fOXjsbad0WN4Uaaw 提取码: budu
在视频目录下
- 群晖docker安装bustag 视频发布(2019-10-16)
- bustag最新使用视频发布(2019-10-15)
- linux/mac docker版本安装
- win10 docker版本安装
更新
release 0.2.1(2019-10-12)
- 修复几个bug
- 增加系统启动错误信息打印, 方便排查
该版本主要是为了更好发现错误, 如果能正常运行的可以不更新
系统功能
- 自动抓取最新车牌信息, 抓取频率可以自定义
- 系统启动后自动开启一次下载, 然后安装设置抓取频率下载
- 车牌打标功能
- 模型训练, 基于当前所有打标数据训练模型
- 有了模型后, 自动预测判断是否喜欢
- 手动上传番号, 本地文件管理
- 数据库打标数据导入
- Docker 镜像一键运行, 省去新手配置项目的麻烦
- 项目访问地址: localhost:8000
系统截图(隐藏了左边封面图片)
- 推荐页面
- 打标页面
- 本地文件页面
- 本地番号, 链接上传页面
- 模型页面
- 数据页面
如何运行项目
windows , mac绿色版如何使用
下载zip包后解压缩到任意目录, 然后在目录下的data目录里, 创建文件config.ini – windows 版: 执行(双击)bustag.exe – mac 版: 执行(双击)bustag – 浏览器访问: localhost:8000, 访问成功说明运行正常, 如果访问不成功, 可以看bustag程序窗口有无报错
本地源代码安装
懂 python 开发的可以 clone 本项目, 建立一个虚拟环境并按照 requirements.txt 的 python 包后, 在项目根目录下 直接运行
python bustag/app/index.py
或者安装了gunicorn
gunicorn bustag.app.index:app --bind='0.0.0.0:8000'
使用 docker 运行(推荐)
- 建立一个目录, 如 bustag, 然后在该目录下建一个子目录 data, data 目录用于保存配置文件以及下载数据的数据库
- 在 data 下需要建立一个文件, config.ini, 该文件用于设置爬取的初始地址, 以及每次下载的最大数量
- 运行命令
linux, mac
docker run --rm -d -e TZ=Asia/Shanghai -e PYTHONUNBUFFERED=1 -v $(pwd)/data:/app/data -p 8000:8000 gxtrobot/bustag-app
windows powershell
docker run --rm -d -e TZ=Asia/Shanghai -e PYTHONUNBUFFERED=1 -v ${PWD}/data:/app/data -p 8000:8000 gxtrobot/bustag-app
注: -e TZ=Asia/Shanghai , 指的是docker container的时区设置, 如果需要其他时区可自行设置, 如果不设置默认为UTC时区
-e PYTHONUNBUFFERED=1 , 指的是显示所有log输出, 如果不设置, 那只能看到debug 的错误log日志
如何使用项目
请按照以下顺序
- 到打标页面进行打标, 达到一定数量(喜欢+不喜欢), 比如 300
- 到其他页面训练模型
- 坐等系统自动推荐
- 在推荐页面进行确认(确认过的数据转为打标数据)
- 积累更多打标数据, 再次训练模型, 打标数据越多模型效果越好
data 目录文件说明
|____bus.db
|____config.ini
|____crontab.txt
|____model
| |____ label_binarizer.pkl
| |____model.pkl
- config.ini, (系统配置文件, 必须, 系统启动时候需要此文件, 参考文件)
- root_path: 制定bus网站主页地址, 爬虫起始地址, 由于地址可能变化, 确保本机能够访问该地址, 如果需要代理才能访问, 必须开启全局代理, 系统本身无代理设置
- count: 每次下载总数, 建议不要太多, 500以下比较好
- interval: 每次下载间隔时间, 单位为秒, 建议不要低于1800秒
- bus.db (数据库文件, 可选, 但是可以放一个现成的库, 有 2000 条数据, 方便直接开始打标, 不需要等下载)
- crontab.txt (定时下载配置文件, 可选, 参考例子)
- model 目录(系统训练生成的模型)
其他问题
- 改变自动下载的频率 修改config.ini的interval 参数即可, 单位是秒, 比如修改为一小时更新一次为
interval=3600 - 改变下载初始 url 因为该 url 会经常改变, 所有系统的 config.ini -> download -> root_path 定义了初始 url, 可以根据需要改变
- 是否可以使用代理 目前系统还没加入代理功能, 不过可以在 docker 设置代理访问
- 下载数量多少合适 鉴于爬虫的稳定性, 不建议每次下载太多, 也可能会给 bus 服务器带来压力, 如果需要, 初次使用可以加大到 1000, 这样可以下载多点初始数据用于打标, 后面可以改为 300
- 模型效果如何 经过一些测试, 最终使用了 KNN 模型, 效果的话谈不上非常好, 在准确率上还可以, 不过召回率相对低一些, 也就是说推荐的准确率相对高点, 但是会漏掉一些喜欢的数据. 所以, 鉴于定期对推荐数据进行确认, 经过确认后, 推荐数据转为打标数据, 然后重新训练,打标数据越多效果越好
- 要多少打标数据才能训练模型 建议至少达到 300 打标数据(包括喜欢, 不喜欢), 如何尝试训练模型, 并查看模型效果值, 如不满意可以增加训练数据并重新训练
- 模型用了什么数据训练 模型目前主要使用了各种标签数据, 比如影片分类, 女优名等等, 目前没有使用到标题
- 如何改变服务器运行端口 服务器默认为 8000 端口, 如果需要改变, 可以修改启动 docker 容器命令, 比如 8000
修改为8000端口, 注意:后面的8000不要变, 然后可以通过localhost:8000访问
docker run --rm -d -v $(pwd)/data:/app/data -p 8000:8000 gxtrobot/bustag-app
- 如何备份数据库 系统使用的数据库保存在 data 目录下的 bus.db, 如果有需要可以将此文件拷贝一份作为备份, 比如在打标测试模型时, 如果不想使用当前打标数据, 可以将数据库恢复到原来的版本 该数据库为 sqlite 格式, 可以直接使用软件打开, 比如 DB Browser for Sqlite, 该软件支持多平台