tensorflow手写数字识别，训练好的模型怎么使用

使用训练好的模型进行手写数字识别，需要先加载模型，然后将待识别的手写数字图片输入到模型中进行预测。具体步骤如下：

1. 加载模型：使用 TensorFlow 的 API 加载训练好的模型，可以使用 tf.keras.models.load_model() 方法加载 Keras 模型，或者使用 tf.saved_model.load() 方法加载 SavedModel。

2. 预处理输入图片：将待识别的手写数字图片进行预处理，包括缩放、归一化等操作，使其符合模型输入的要求。

3. 进行预测：将预处理后的图片输入到模型中进行预测，得到预测结果，即手写数字的类别。

4. 输出预测结果：将预测结果输出到控制台或者图形界面上，供用户查看。

下面是一个简单的示例代码：

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

# 加载模型
model = tf.keras.models.load_model('model.h5')

# 预处理输入图片
img = Image.open('test.png').convert('L')
img = img.resize((28, 28))
img = np.array(img) / 255.0
img = img.reshape((1, 28, 28, 1))

# 进行预测
pred = model.predict(img)

# 输出预测结果
print('预测结果：', np.argmax(pred))

其中，`model.h5` 是训练好的模型文件，`test.png` 是待识别的手写数字图片文件。预测结果使用 `np.argmax()` 函数获取预测概率最大的类别。