附录 B · 常用命令速查

🌐 English version

以下命令均在项目根目录 F:\Steganography 下执行。

目的	命令
安装核心依赖	pip install numpy pillow
安装全部依赖（ML/绘图）	pip install -e . 或 pip install numpy pillow matplotlib scikit-learn joblib pandas
核心算法自测	python src\test_core.py
隐写分析自测	python src\test_steg.py
误报回归测试	python src\test_false_positive.py
GUI 冒烟测试	python src\test_gui.py
端到端验证	python src\run_e2e.py
启动图形界面	python src\gui.py
生成码族/效率图	python -c “import sys; sys.path.insert(0,’src’); from efficiency import plot_code_family_and_efficiency; print(plot_code_family_and_efficiency())”
生成特征数据集	python src\make_dataset.py data\campus_jpg –out campus
训练/评估分类器	$env:DS_FILES = “dataset.csv”; python src\train_model.py
单图 ML 判定	python -c “import sys; sys.path.insert(0,’src’); from ml_predict import get_predictor; import numpy as np; from PIL import Image; print(get_predictor().predict(np.asarray(Image.open(‘img/cover.png’).convert(‘L’))))”
C++/Python 一致性自检	python -c “import sys; sys.path.insert(0,’src’); import cppembed; cppembed.selfcheck()”
GPU 数据集生成	python gpu\make_imageset.py
GPU 特征自检	python gpu\featurize_gpu.py
GPU 训练	python gpu\train_ml_gpu.py
GPU 单图检测	python gpu\predict_gpu.py img\cover.png
构建发布包	python -m build
安装	pip install nsf5stego（PyPI 已上架 1.9.0）或下载 Windows 安装版/便携包
生成 v2 数据集（12 档 / 143 维）	python src\make_dataset.py –out campus_v2 –feature-set v2 –variants all
生成 SRM 增强数据集（同源）	python src\make_dataset.py data\campus_jpg –out campus_srm –preprocess srm -j 16
指定 v2+JPEG 数据集训练	$env:DS_FILES = “dataset_campus_v2_jpeg.csv”; python src\train_model.py
GPU v2 特征自检	python gpu\featurize_v2_gpu.py
BOSSbase 多源生成 + GPU 训练	py gpu\make_imageset.py data\BOSSbase_1.01 –out bossbase（再运行 python gpu\train_ml_gpu.py）
切换 53d 可解释模型（API）	python -c “import sys; sys.path.insert(0,’src’); from ml_predict import MLPredictor; import numpy as np; from PIL import Image; print(MLPredictor(model_path=’models/stego_classifier_v2_jpeg_lgb_51d.joblib’, clip_outliers=False).predict(np.asarray(Image.open(‘img/cover.png’).convert(‘L’))))”