基于tensorflow2.0完成的手写数字识别系统（python源码+项目说明+图形化界面）.zip

# 手写字体识别-基于tensorflow2.0实现 手写字体识别是卷积神经网络的入门案例，这里我将模型的训练、测试、保存以及使用整合在了一起，至于原理部分，大家可以参考知乎或者B站上的回答，在这里我就不赘述了, 或者关注我的微信公共号，我会不定期更新一些编程干货。  ## 文件目录 ```bash |--images 图片的存放目录，这里我放置了一些图片用于装饰界面 |--models 模型的存放目录，训练好的模型将会存放在这个文件夹下 |--train.py 模型的训练代码，直接执行将会保存模型到models文件夹下 |--test.py 模型的测试文件，计算模型的准确率，或者你可以使用这个文件来进行单一文件的测试 |--minist_window.py 可视化界面，在这个界面下，你可以进行可视化的操作来完成手写数字的识别 |--requirements.txt 执行环境中必备的包 ``` ## 如何使用 首先你需要git项目到你的本地 确定你的电脑已经安装好了PyQt5、tensorflow2.0以及opencv-python等相关软件，你可以执行下列命令进行安装 ``` cd mnist_tensorflow2.0 conda create -n mnist_demo pip install -r requirements.txt ``` 如果你想要重新训练你的模型，请执行 ``` python train.py ``` 如果你想要测试模型的准确率，请执行 ``` python test.py ``` 如果你想看看图形化的界面，请执行 ``` python mnist_window.py ``` ## 执行效果 训练效果  测试效果  图形化界面  ## 捐助 如果您觉得我的项目帮助了您，您可以给我一点小小的鼓励，您的鼓励将会是我进一步创作的动力！😁😁😁