使用VSCode开发少儿编程项目：手写数字识别

最新推荐文章于 2025-12-04 17:13:10 发布

原创

最新推荐文章于 2025-12-04 17:13:10 发布 · 476 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#vscode #ide #编辑器 #python #青少年编程 #人工智能

使用VSCode开发少儿编程项目：手写数字识别

这个项目将创建一个交互式的手写数字识别应用，让孩子们可以画一个数字，然后让电脑识别它。我们将使用预训练的MNIST模型，这样孩子们可以立即体验机器学习的魔力！

项目概述

我们将创建一个Python程序，包含以下功能：

一个画板，可以用鼠标绘制数字
使用预训练的神经网络模型识别手写数字
实时显示识别结果和置信度
保存绘制的数字图像

环境设置

在VSCode中，确保安装了Python扩展，然后创建一个新的Python文件，例如digit_recognizer.py。

首先安装必要的库：

pip install tensorflow matplotlib numpy pillow

完整代码实现

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Button, Slider
import matplotlib.patches as patches
from PIL import Image, ImageOps
import os

class DigitRecognizer:
    def __init__(self):
        self.model = None
        self.load_model()
        
        # 创建画布
        self.fig, self.ax = plt.subplots(figsize=(8, 8))
        self.fig.subplots_adjust(bottom=0.2)
        
        # 初始化画布
        self.canvas = np.ones((280, 280))  # 白色背景
        self.im = self.ax.imshow(self.canvas, cmap='gray_r', vmin=0, vmax=1)
        self.ax.set_title('手写数字识别 - 在白色区域画一个数字', fontsize=16)
        self.ax.set_xticks([])
        self.ax.set_yticks([])
        
        # 添加结果显示区域
        self.result_text = self.ax.text(140, 300, '识别结果: 等待输入...', 
                                       ha='center', va='center', fontsize=16,
                                       bbox=dict(boxstyle="round,pad=0.3", facecolor="lightblue"))
        
        # 添加按钮
        self.setup_buttons()
        
        # 连接鼠标事件
        self.fig.canvas.mpl_connect('button_press_event', self.on_press)
        self.fig.canvas.mpl_connect('motion_notify_event', self.on_motion)
        self.fig.canvas.mpl_connect('button_release_event', self.on_release)
        
        self.drawing = False
        self.last_point = None
        
    def load_model(self):
        """加载预训练的MNIST模型"""
        try:
            # 尝试加载已保存的模型
            self.model = tf.keras.models.load_model('mnist_model.h5')
            print("已加载预训练模型")
        except:
            print("未找到预训练模型，正在训练新模型...")
            self.train_and_save_model()
    
    def train_and_save_model(self):
        """训练并保存MNIST模型"""
        # 加载MNIST数据集
        mnist = tf.keras.datasets.mnist
        (x_train, y_train), (x_test, y_test