利用tensorflow实现对自己手写数字的检测 今天，我们利用已经搭建好的神经网络模型，实现检查自己在画板的写的手写图片。 第一步：将自己的图片转化为mnist的图片格式 我们需要一个py文件将自己输入的图片预先处理，使之能够变成mnist格式喂入神经网络mnist_app.py 思路是： 1.先把图片转化28×28大小的shape 2.因为mnist图片是黑底白字，我们必须对图片进行取化反，然后二值化。 3.将图片的像素值转化到（0,1）范围的浮点型。,因为mnist数据集里面像素值都是（0～1） 像素点:0-1 之间的浮点数(接近 0 越黑,接近 1 越白) 4.图片转化为为1×784的np.array

第二步加载训练好的模型，将符合神经网络输入要求的图片喂给复现的神经网络模型，输出预测值

第三步测试图片 用到的图片，有以一些是手写的，有一些是从网上找的，主要数字的轮廓（字迹粗细）一定的大，

前向传播模块： forward.py 反向传播模块： mnist_backward.py 测试模型文件： mnist_test.py(测试数据集)，mnist_app.py（测试自己的手写数字）