1、模型部署與應用開發-手寫數字識別系統，預測指定圖片文件的簡單實現

本文使用的圖片是畫圖工具繪製的，模型也是自己訓練出來的，以tensorflow作爲後端，使用keras API運行，希望能給大家實現模型部署與應用開發當中模型加載、數據預處理、模型預測一個入門的瞭解，如有錯誤，歡迎指正

運行環境：
keras 2.3.1
opencv-python 4.1.2.30
numpy 1.17.4
tensorflow-gpu 1.13.1

準備一張格式爲28*28像素圖片：

from keras.models import load_model
import cv2

model=load_model('自制手寫數據集模型.h5') # 加載模型
# imread第2個參數 0爲灰白 1爲彩色，默認不加也爲彩色,手寫數字識別需要對圖片數據灰度化處理
img=cv2.imread('9.png',0)  

# 查看圖片
cv2.imshow('image1',img)
cv2.waitKey(0)

# 改變圖片形狀格式爲28*28，所以像素是784，併除於255歸一化
img=(img.reshape(1,784))/255

forecast=model.predict_classes(img)  # 預測模型
print(forecast)

輸出結果是：3

也可以把

img=(img.reshape(1,784))/255

寫成2維的形狀，然後再進行降維

img=(img.reshape(1,1,28,28))/255
img = img.reshape(len(img),-1) # 2維降成1維