# 使用Tensorflow实现识别手写数字的Gradio APP

**Repository Path**: yang-keyan/2024.04.05

## Basic Information

- **Project Name**: 使用Tensorflow实现识别手写数字的Gradio APP
- **Description**: No description available
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-04-10
- **Last Updated**: 2024-05-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 使用Tensorflow实现识别手写数字的Gradio APP

## 个人信息
- 学号: 202152320108
- 年级: 21
- 专业: 智能科学与技术
- 班级: 1

#### 介绍

这两段代码的功能是训练一个手写数字识别模型，并使用该模型进行手写数字的识别。

第一段代码的主要功能是训练一个手写数字识别模型。首先，它导入了所需的库，包括gradio、numpy、tensorflow和PIL。然后定义了一个名为recognize_digit的函数，该函数接受一个图像作为输入，并将其转换为灰度图像，调整大小为28x28像素，并将其展平为一维数组。接着，将图像数组归一化，并使用加载的模型进行预测。最后，返回预测结果中概率最大的数字。

接下来，使用gradio库创建了一个界面，将recognize_digit函数与sketchpad输入和number输出关联起来，并启动界面。

第二段代码的主要功能是训练一个手写数字识别模型。首先，它导入了所需的库，包括tensorflow、numpy和matplotlib。然后，从mnist数据集中加载训练和测试数据，并对数据进行预处理，将图像数据归一化，并将标签数据转换为分类形式。接着，构建了一个神经网络模型，包括一个Flatten层、一个具有20个神经元的全连接层和一个具有10个神经元的输出层。然后，编译模型，设置优化器、损失函数和评估指标。接着，使用训练数据对模型进行训练，设置了20个训练周期，并使用20%的训练数据作为验证集。最后，使用测试数据对模型进行评估，并打印出测试准确率。最后，将训练好的模型保存到硬盘上。





#### 软件架构
软件架构说明


#### 安装教程

1.  xxxx
2.  xxxx
3.  xxxx

#### 使用说明

1.  xxxx
2.  xxxx
3.  xxxx