Image-manipulation-detection 图片篡改检测项目的训练权重，基于tensorflow1.X。 使用VOC2007数据集生成5000张待训练图像使用VGG16预训练权重，使用GPU进行训练，经过40000迭代，得到的权重文件。 已放入百度网盘，如失效也可根据文件中的联系方式进行获取。

加载 tensorflow1.x 生成的训练模型。将图片输入进去，对图片进行识别。

### 语言模型 #### 数据预处理 中文语言模型基本都是基于字的模型，因此不需要做太多的操作 #### 文件结构介绍 * config文件：配置各种模型的配置参数 * data：存放训练集和测试集 * data_helpers：提供数据处理的方法 * ckpt_model：存放checkpoint模型文件 * pb_model：存放pb模型文件 * outputs：存放vocab，word_to_index, label_to_index, 处理后的数据 * models：存放模型代码 * trainers：存放训练代码 * predictors：存放预测代码 #### 训练模型 * python train.py --config_path="config.json" #### 预测模型 * 预测代码都在predict.py中，初始化Predictor对象，调用predict方法即可。 * 执行python test.py文件可以生成诗词 #### 模型的配置参数详述 #### char rn：字符级的rnn，基于字符的语言模型 * model_name：模型名称 * epochs：全样本迭代次数 * checkpoint_every：迭代多少步保存一次模型文件 * eval_every：迭代多少步验证一次模型 * learning_rate：学习速率 * optimization：优化算法 * embedding_size：embedding层大小 * hidden_sizes：rnn隐层大小 * batch_size：批样本大小 * sequence_length：序列长度 * vocab_size：词汇表大小 * keep_prob：保留神经元的比例 * max_grad_norm：梯度阶段临界值 * train_data：训练数据的存储路径 * eval_data：验证数据的存储路径 * output_path：输出路径，用来存储vocab，处理后的训练数据，验证数据 * word_vectors_path：词向量的路径 * ckpt_model_path：checkpoint 模型的存储路径 * pb_model_path：pb 模型的存储路径