tensorflow09-调用手写识别模型

 成功识别

import tensorflow as tf
import numpy as np
from PIL import Image

def fun(image_path):
    # 加载模型
    model = tf.keras.models.load_model('wirtenuber.h5')
    # 加载要识别的图像
    image = Image.open(image_path).convert('L')  # 转换为灰度图像
    image = image.resize((28, 28))  # 调整图像大小
    image_array = np.array(image) / 255.0  # 将图像转换为 NumPy 数组，并进行标准化
    # image_array = image_array.reshape(1, 28, 28, 1)  # 调整数组形状以符合模型输入要求
    image_array = image_array.reshape(1, 784)
    # 使用模型进行预测

    predictions = model.predict(image_array)
    predicted_label = np.argmax(predictions[0])
    return predicted_label

if __name__ == '__main__':
    print(fun("888.png"))

注意训练模型和输入数据参数匹配  

例如这里我碰到的问题就是  训练模型为28*28像素的图片灰度图的一维数组

就需要将输入的样本数组 转换为相同类型