用训练完的mnist模型手写数字识别python代码

以下是使用训练好的MNIST模型进行手写数字识别的Python代码：

import numpy as np
from keras.models import load_model
from PIL import Image

# 加载训练好的模型
model = load_model('mnist_model.h5')

# 读取手写数字图片，转换为灰度图像，并将其缩放为28x28像素的大小
img = Image.open('digit.png').convert('L').resize((28, 28))

# 将图像转换为模型所需的输入格式
x = np.array(img).reshape(1, 28, 28, 1).astype('float32') / 255

# 使用模型进行预测
y = model.predict(x)

# 打印预测结果
print('预测结果为：', np.argmax(y))

这个代码首先加载了训练好的MNIST模型，然后读取手写数字图片（这里假设图片名为`digit.png`），并将其转换为灰度图像，并缩放为28x28像素的大小。接着，将图像转换为模型所需的输入格式，并使用模型进行预测。最后，打印出预测结果（即最有可能的数字）。