【云云怪】项目11后后续：MNIST之套用现成模板-优快云博客

博主在项目11的后续中探讨了如何使用深度学习来提升MNIST手写数字识别的准确性。通过将神经网络层数从2层增加到3层，正确率从50%提升到75%。为进一步优化，博主尝试了TensorFlow的现成模型，并封装了一个程序，允许单张图片和小规模测试，以实现更好的识别效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

是的，我还在纠结MNIST手写数字识别。

之前虽然改进了网络，把2层加到了3层，实测正确率从50%提高到了75%，但这还是不够啊。我手敲的模型是最基础的SGD法，那么站在巨人的肩膀上，用现成的模型如何呢？

我从K同学那里抄来了TensorFlow的用法，摸索着封装了一个可以实测自己手写数字的程序：

import numpy as np
from PIL import Image
import tensorflow as tf

# 加载训练好的权重
model = tf.keras.models.load_model('D:/.../model/1_model.h5')

# 把图片变成28*28像素
def get_data(fn):
    img0=Image.open(fn).convert('L')
    if img0.size[0] !=28 or img0.size[1]!=28:
        img0.resize((28,28))

    arr = []
    for i in range(28):
        for j in range(28):
            #pixel = 1-float(img0.getpixel((j, i)))/255.0    #用于白底黑字
            pixel = float(img0.getpixel((j, i)))/255.0      #用于黑底白字
            arr.append(pixel)
    arr1=np.array(arr).reshape(28,28)
    return arr1

之后，可以一张一张图片的玩：

# 单图预测
k=input('\n输入图片文件名，不带后缀：')
fn='C:/.../'+str(k)+'.png'
x=get_data(fn)
x=x.reshape(1,28,28,1)

pre = model.predict(x)
res_list=pre[0]
res=np.argmax(res_list)
print('预测结果：',res)

也可以进行小规模测试：

# 小规模测试
count=0
for k in range(10):
    fn='C:/.../'+str(k)+'.jpg'
    x=get_data(fn)
    x=x.reshape(1,28,28,1)

    pre = model.predict(x)
    res_list=pre[0]
    res=np.argmax(res_list)
    print('正解：',k,' | 预测结果：',res,end='')
    if k==res:
        print('  正确')
        count+=1
    else:
        print('  错误!')
acc=count/10*100
print('整体正确率：', acc, '%')