用一个神经元实现MNIST手写数字识别代码： ①直接从Tensorflow获取数据集； ②构建模型； ③训练模型； ④用测试集里的数据进行测试； 将自己制作的手写数字图片（至少3张），经过图像处理，读入程序，扔进训练好的模型中测试，查看模型的效果

好的，以下是用一个神经元实现MNIST手写数字识别的代码。请注意，这个模型的表现可能不会很好，只是为了演示用途。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# ①获取数据集
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# ②构建模型
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

# ③训练模型
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

for _ in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

# ④测试模型
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

# 测试自己的手写数字
from PIL import Image
import numpy as np

# 读取并处理自己的手写数字图片
def read_image(image_path):
    img = Image.open(image_path).convert('L')
    img = img.resize((28, 28))
    img_arr = np.array(img)
    img_arr = img_arr.reshape((1, 784))
    img_arr = img_arr.astype(np.float32)
    img_arr = img_arr / 255.0  # 将像素值归一化到[0,1]之间
    return img_arr

# 读取自己的手写数字图片并进行测试
img1 = read_image('1.png')
img2 = read_image('2.png')
img3 = read_image('3.png')
print(sess.run(tf.argmax(y, 1), feed_dict={x: img1}))
print(sess.run(tf.argmax(y, 1), feed_dict={x: img2}))
print(sess.run(tf.argmax(y, 1), feed_dict={x: img3}))

注意，这里的`1.png`、`2.png`和`3.png`是我自己生成的手写数字图片，您需要将代码中的图片路径替换为您自己的图片。