# pytorch_demo

**Repository Path**: wapuboy/pytorch_demo

## Basic Information

- **Project Name**: pytorch_demo
- **Description**: 基于手写数字的识别，演示如何使用codebuddy学写深度学习框架
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-26
- **Last Updated**: 2025-06-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 手写数字识别系统

这是一个基于TensorFlow和Flask的手写数字识别Web应用程序。用户可以上传手写数字图片，系统会自动识别并显示结果。

## 功能特点

- 完全本地化部署，不依赖第三方服务
- 基于CNN深度学习模型识别手写数字
- 简洁直观的Web界面
- 支持拖放上传图片
- 显示识别结果和置信度

## 系统要求

- Python 3.7+
- Ubuntu（或其他Linux发行版）
- 浏览器（Chrome、Firefox等）

## 安装步骤

1. 克隆或下载本项目到本地

2. 使用启动脚本安装依赖并运行应用
   ```bash
   chmod +x start.sh  # 确保脚本有执行权限
   ./start.sh
   ```

   启动脚本支持以下参数：
   - `--no-cn-source`: 不使用国内pip源站
   - `--skip-system-deps`: 跳过系统依赖安装
   - `--help`: 显示帮助信息

   例如：
   ```bash
   ./start.sh --skip-system-deps  # 跳过系统依赖安装
   ```

3. 或者手动安装依赖并运行
   ```bash
   pip install -r requirements.txt
   python app.py
   ```

4. 打开浏览器访问
   ```
   http://127.0.0.1:5000
   ```

## 使用说明

1. 在Web界面上，点击上传区域或将图片拖放到该区域
2. 选择一张包含手写数字的图片（支持JPG、JPEG、PNG、GIF格式）
3. 点击"识别数字"按钮
4. 系统将显示识别结果和置信度
5. 点击"再试一次"可以上传新的图片

## 技术栈

- 后端：Python、Flask、TensorFlow/Keras
- 前端：HTML、CSS、JavaScript
- 模型：卷积神经网络（CNN）

## 注意事项

- 首次运行时，系统会自动下载MNIST数据集并训练模型，这可能需要一些时间
- 为获得最佳识别效果，请上传清晰的手写数字图片，最好是黑色数字在白色背景上
- 图片中应只包含一个数字（0-9）

## 项目结构

```
.
├── app.py              # Flask应用程序
├── model.py            # 手写数字识别模型
├── requirements.txt    # 项目依赖
├── static/             # 静态文件
│   ├── css/            # CSS样式
│   │   └── style.css   # 主样式文件
│   ├── js/             # JavaScript脚本
│   │   └── main.js     # 前端交互逻辑
│   └── uploads/        # 上传的图片存储目录
└── templates/          # HTML模板
    └── index.html      # 主页面模板
```