# color-mnist

**Repository Path**: Mather/color-mnist

## Basic Information

- **Project Name**: color-mnist
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-26
- **Last Updated**: 2026-02-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## color-mnist

该项目基于 Flask+TensorFlow 构建了一个轻量级 HTTP 接口服务，支持接收彩色 / 灰度手写数字图片（JPG/PNG 格式），通过预训练的 CNN 模型实现 0-9 手写数字的识别，返回预测的数字结果和置信度。

## 项目依赖

| 依赖包        | 版本建议      | 作用                                 |
| ------------- | ------------- | ------------------------------------ |
| Python        | 3.8~3.10      | 运行环境 |
| Flask         | 2.3.3         | 搭建 HTTP 接口服务                   |
| tensorflow    | 2.10.0/2.15.0 | 加载 / 运行预训练 CNN 模型           |
| pillow（PIL） | 10.0.1        | 图片预处理（格式转换 / 尺寸调整）    |
| numpy         | 1.24.3        | 图片数组处理、数值计算               |


### 搭建方法

1. 创建并激活虚拟环境
```
python3 -m venv venv

source venv/bin/activate

# Windows激活虚拟环境
# venv\Scripts\activate.bat
```

2.安装依赖（国内镜像加速）

```
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask==2.3.3 tensorflow==2.15.0 pillow==10.0.1 numpy==1.24.3
```

3. 训练获取模型

```
# 运行模型训练脚本 train_mnist.py（生成my_model.h5）
python train_mnist.py
```

4. 启动服务
```
python app.py

#Running on http://127.0.0.1:5000
```
## HTTP 接口详情

### 手写数字识别

**接口地址**
`POST /predict`

**接口描述**

接收上传的彩色 / 灰度手写数字图片，返回识别的数字结果和置信度。

**请求头**
| 字段         | 值                  | 说明             |
| ------------ | ------------------- | ---------------- |
| Content-Type | multipart/form-data | 支持JPG/PNG等彩色格式，尺寸为 1比1 |

**响应格式（JSON）**
**成功响应（200 OK）**
```
{
  "predicted_digit": 5,        // 识别出的数字（0-9）
  "confidence": 0.9987,        // 识别置信度（0-1，越接近1越准确）
  "message": "彩色图片识别成功"
}
```

**失败响应**
未上传图片（400 Bad Request）：
```
{
  "error": "未上传图片"
}
```
图片文件名为空（400 Bad Request）：
```
{
  "error": "图片文件名为空"
}
```
识别失败（500 Internal Server Error）：
```
{
  "error": "识别失败：[具体错误信息，如图片格式不支持/模型加载失败]"
}
```