﻿# Zainstalować pakiet Anaconda: https://www.anaconda.com/download/

# Rozpakować pobrane archiwum wk-lab.zip w wybranym katalogu, np. C:\wk-lab

# Uruchomić Anaconda prompt (jako Administrator)

# Przejść do katalogu z rozpakowanymi plikami:
cd C:\wk-lab

# Wpisać polecenia, tworzące środowisko i instalujące niezbędne pakiety:

conda create -n wk-lab python=3.5 
activate wk-lab
set "KERAS_BACKEND=tensorflow"
conda install -c conda-forge tensorflow
conda install -c conda-forge keras
conda install -c menpo opencv3
conda install matplotlib
conda install scikit-learn
pip install imutils

# Zainstalować program Exterme Picture Finder ze strony
# http://www.webimagedownloader.com/how-to/download-google-images-search-results/
# Pobrać i zapisać wyszukane obrazy do katalogu C:\wk-lab\images\class-1
# Pobrać pozostałe (nie związane z wyszukiwaną frazą) obrazy do katalogu C:\wk-lab\images\class-0
# W każdym katalogu uruchomić skrypt, zmieniający nazwy plików:
python rename.py
# (można też po prostu na nim dwukliknąć w katalogu) 

# Trenowanie sieci:
python train_network.py --epoch 30 --dataset images --model wk-lab.model

# Testowanie sieci:
python test_network.py --model wk-lab.model --dataset images/test


# Po zamknięciu i ponownym uruchomieniu Anaconda prompt, należy zawsze wykonać polecenia:
cd C:\wk-lab
activate wk-lab
set "KERAS_BACKEND=tensorflow"



#-------------------------------------------
# Alternatywnie, zamiast używania Anacondy, można zainstalować 
# Pythona 3.5.4 w wersji 64-bitowej (koniecznie ta wersja) dla Windows
# ze strony https://www.python.org/downloads/
# a następnie wykonać polecenia:
pip install opencv-contrib-python
pip install tensorflow
pip install keras
pip install imutils
pip install matplotlib

