实现中文手写数字识别，读取data文件夹里的图片并提取标签里的数字，读取chinese_mnist.csv文件里的并提取character。将图片进行预处理，其中包括该图片大小：150*150；添加RGB三通道，数据归一化；再进行划分测试集与训练集，其比例为2：8；再进行CNN神经网络的搭建，再进行模型编译，模型训练。最后随机选取一张图片进行实现图像识别

好的，我理解了你的要求。实现中文手写数字识别需要以下步骤：

1. 读取data文件夹里的图片并提取标签里的数字，读取chinese_mnist.csv文件里的并提取character。

import os
import pandas as pd
from PIL import Image

data_path = '/path/to/data/'
csv_path = '/path/to/chinese_mnist.csv'

# 读取csv文件
csv_data = pd.read_csv(csv_path)

# 读取图片并提取标签里的数字
images = []
labels = []
for filename in os.listdir(data_path):
    if filename.endswith('.jpg'):
        img_path = os.path.join(data_path, filename)
        im = Image.open(img_path)
        images.append(im)
        label = int(filename.split('_')[0])
        labels.append(label)

# 提取character
characters = csv_data['character'].tolist()

2. 对图片进行预处理，包括该图片大小：150*150；添加RGB三通道，数据归一化。

import numpy as np
import tensorflow as tf
from sklearn.model_selection import train_test_split

# 图片大小
IMG_SIZE = 150

# 转换为numpy数组
images = np.array([np.array(im.resize((IMG_SIZE, IMG_SIZE)).convert('RGB')) for im in images])

# 数据归一化
images = images / 255.0

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(images, labels, test_size=0.2, random_state=42)

3. 进行CNN神经网络的搭建。

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout

# 定义模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(IMG_SIZE, IMG_SIZE, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Conv2D(128, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(128, activation='relu'),
    Dropout(0.5),
    Dense(15, activation='softmax')
])

# 输出模型结构
model.summary()

4. 进行模型编译，模型训练。

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 模型训练
model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test))

5. 随机选取一张图片进行实现图像识别。

import random

# 随机选取一张图片
index = random.randint(0, len(X_test)-1)
image = X_test[index]
label = y_test[index]
character = characters[label]

# 进行预测
prediction = model.predict(np.array([image]))
predicted_label = np.argmax(prediction)

# 输出结果
print('实际标签：', label)
print('预测标签：', predicted_label)
print('实际字符：', character)

以上就是实现中文手写数字识别的完整代码。