手写数字识别的tensorflow模型，如何将训练得到的最大正确率的模型保存到文件夹，从而调用模型，测试并识别手写字？请列举详细代码

好的，我理解了你的要求，请看以下代码实现。首先，我们需要导入必要的库并载入手写数字数据集（MNIST），然后进行预处理：

import tensorflow as tf

# 载入MNIST数据
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

接下来，我们定义一个简单的卷积神经网络模型并进行训练：

# 定义一个简单的卷积神经网络模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

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

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
model.evaluate(x_test, y_test)

训练完成后，我们可以将模型保存到文件夹中：

# 保存模型到文件夹
model.save('my_model')

最后，我们可以载入保存的模型，并用它来识别手写数字：

# 载入保存的模型
new_model = tf.keras.models.load_model('my_model')

# 使用模型识别手写数字
predictions = new_model.predict(x_test[:5])
print(predictions)

以上就是基本的代码实现了，您可以根据自己的需求进行修改和优化。