tensorflow学习之识别单张图片的实现（python手写数字）

本文链接：https://blog.csdn.net/gaohuazhao/article/details/72886450

本文介绍如何利用TensorFlow训练模型识别手写数字，通过MNIST数据集建立模型并保存，然后测试模型对指定图片的识别能力。在测试阶段，将图片放入指定文件夹，模型能够识别并输出结果。但在尝试用CIFAR10数据集时遇到了输入数据顺序的问题，目前尚未解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

假设我们已经安装好了tensorflow。

一般在安装好tensorflow后，都会跑它的demo，而最常见的demo就是手写数字识别的demo,也就是mnist数据集。

然而我们仅仅是跑了它的demo而已，可能很多人会有和我一样的想法，如果拿来一张数字图片，如何应用我们训练的网络模型来识别出来，下面我们就以mnist的demo来实现它。

1.训练模型

首先我们要训练好模型，并且把模型model.ckpt保存到指定文件夹

saver = tf.train.Saver() 

saver.save(sess, "model_data/model.ckpt")

将以上两行代码加入到训练的代码中，训练完成后保存模型即可，如果这部分有问题，你可以百度查阅资料，tensorflow怎么保存训练模型，在这里我们就不罗嗦了。

2.测试模型

我们训练好模型后，将它保存在了model_data文件夹中，你会发现文件夹中出现了4个文件

然后，我们就可以对这个模型进行测试了，将待检测图片放在images文件夹下，执行

# -*- coding:utf-8 -*-  
import cv2
import tensorflow as tf
import numpy as np
from sys import path
path.append('../..')
from common import extract_mnist

#初始化单个卷积核上的参数
def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0