通过mnist.npz进行手写数字识别训练后，在使用自己的手写数字进行验证时出现识别准确率低的一种可能原因

TensorFlow 2.0 (五) - mnist手写数字识别(CNN卷积神经网络)
在按照上文给出的训练方法进行手写数字识别训练之后，在进行验证时出现识别准确率低的问题
直到阅读了深入浅出机器学习MNIST实战（三）一文后发现，文中使用了不同的读取验证图片的方式，而且使用此方法后，识别准确率明显提高。
其中验证图片读取代码如下：

if False:
    img = Image.open(image_path).convert('L')
    flatten_img = np.reshape(img, (28, 28, 1))
    x = np.array([1 - flatten_img])
    print(x.shape)  #(1, 28, 28, 1)
else:
    img = cv2.imread(image_path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    rows, cols = img.shape[0:2]
    for i in range(rows):  # 反转一下黑白
        for j in range(rows):
            img[i][j] = 255 - img[i][j]
            # print(i,j)
    x = np.reshape(img,(1,28,28,1))
#endif

通过比较可以发现两种方法对于反转黑白的代码有明显区别

x = np.array([1 - flatten_img])

img[i][j] = 255 - img[i][j]

图片在flatten_img的取值应该是0-255，因此反转黑白应该使用

x = np.array([255 - flatten_img])

修改后进行验证，识别概率明显提升，至此该问题有效解决。