我有5张作为基准的图片，它们的大小和内容相同。可以说它们之间有一些细微的差异，但总体上是相似的。

现在我有一张测试图片，它可能与这5张图片中的一张相同，也可能不同。我想知道我的测试图片与基准图片的匹配度是多少百分比。

基准图片将存放在训练文件夹中，而测试图片将存放在测试文件夹中。

我该如何使用机器学习来实现这一点，以便以后可以用于处理大量文件呢？

TensorFlow、Scikit-learn、Scikit-image，哪一个更适合呢？如果你能提供一个示范代码，我将不胜感激..！

回答：

在我看来，你可以通过使用卷积神经网络（CNN）来实现这一点。然而，你需要的图片数量要远多于5张。你可以使用Keras库（参见文档），它使用TensorFlow或Theano作为后端。

在Keras文档中，你可以找到一个示例，展示了如何从文件夹中预处理你的数据，正如你所提到的。然后，你只需将其适应于你的CNN模型，如何实现这个模型你也可以在Keras文档中找到。

（通常遵循这样的结构：卷积层 -> 最大池化 -> 平坦化 -> 神经网络）：

使用.flow_from_directory(directory)的示例：

train_datagen = ImageDataGenerator(        rescale=1./255,        shear_range=0.2,        zoom_range=0.2,        horizontal_flip=True)test_datagen = ImageDataGenerator(rescale=1./255)train_generator = train_datagen.flow_from_directory(        'data/train',        target_size=(150, 150),        batch_size=32,        class_mode='binary')validation_generator = test_datagen.flow_from_directory(        'data/validation',        target_size=(150, 150),        batch_size=32,        class_mode='binary')model.fit_generator(        train_generator,        steps_per_epoch=2000,        epochs=50,        validation_data=validation_generator,        validation_steps=800)

如果你更喜欢带有图形用户界面的方法，或许你可以尝试使用Orange软件，它提供了数据挖掘/机器学习功能，并带有用户界面。他们有一个博客和一些YouTube视频，你可以观看以获取更多信息。