mnist训练的cnn模型测试自己的手写数字

拿自己的手写数字试了下之前拿mnist训练的cnn模型；

代码和示例中用的cnn代码一样的，最后加了个保存模型和处理图像的部分；

saver = tf.train.Saver()  # defaults to saving all variables；记录；
saver.save(sess, '.../number_model.ckpt')  #保存模型参数；

#加了一个函数处理图像；
def imageprepare(infile):

im = Image.open(infile).convert('1')
im=im.resize((28,28))

plt.imshow(im)
plt.show()
data1 = np.asarray(im.getdata()) # 这个得到的矩阵里，255是白色，0是黑色；让它变成0是白，1是黑；
data1 = (255-data1)/255

return data1

infile=".../original_img.jpg"#在画图随手画了个，保存在路径下；
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
saver.restore(sess, "D:/coding/number_model.ckpt")#.restore()恢复之前保存的变量；

result1=imageprepare(infile)
prediction=tf.argmax(y_conv,1)
predint=prediction.eval(feed_dict={x: [result1],keep_prob: 1.0}, session=sess)
print(h_conv2)

print('recognize result:')
print(predint[0])

自己多试了几下，写的7有时候会误认成3，像素处理的比较小容易认错；其他数字识别没问题；回头再看下改进。