###########CNN的手写字体识别############## #1. 本程序的主体（模型的训练）是基于tensorflow中文社区的教程写的http://www.tensorfly.cn/tfdoc/tutorials/mnist_pros.html
#2. 功能说明 A.本程序按照教程实现了手写体模型的训练，和精度的测试，就给定的10000张测试图片，识别率为99.2%。 B.实现了拍摄图片的单张预测（输入一张图片，输出预测的结果） C.实现了数据集的制作，即将一批图片做标记并存入二进制文件。 D.实现了批量图片的精度检测，（将C.制作的数据集进行精度检测）
./tmp文件夹下的模型训练了33200次，
#3 文件说明 image文件夹： mnist数据集中的部分数据图片 img: 供测试的一些图片 1文件夹为手写的1000张图片，有网上找的图和手写拍照的图 MNIST_data: mnist数据集 tmp: 模型文件 和 自制数据集存放位置
changeIntoImg.py：
将mnist中的数据转为图片，存储在当前目录下的 image 文件夹下，image文件夹下只有6000多张数据集中的图片，并未完全导出
common.py：
tensorflow 的一些变量的定义和模型的训练过程（可以忽略，全来自教程）
GUI.py：
数据集制作的图形界面（比较丑，勿喷，其他功能还未集成到GUI中）
任意大小的图片将经过：灰度图转换->背景的初步剔除->识别主体移动到正**->缩放到28*28像素大小，之后和标签一起存入到文件中
数据保存前的格式为numpy对象,dtype=float,一行表示一条数据 1*794个float 前784为图像(28*28的二维变成一维数组) 后10个为标签 标签若为5 则为[0,0,0,0,0,1,0,0,0,0].
imgtodata.py：（可忽略）
GUI.py的前一个版本，控制台输入的，不过有个检验输入的标签是否正确的函数，所以还是保留了。
MNIST.py：
教程中的非CNN的识别demo
mnist_cnn.py:
模型的训练主体，同时包含精度的检测
flags = 'train'表示训练
flags = 'assessment' 表示精度的检测
predict.py:
预测某文件夹下的图片，修改path = './img/1'即可
若控制台执行，会弹出图片的框，关闭后才会出预测结果，若IDE会sleep 1s后执行。
predictbatch.py：
批处理预测-检测自制数据集的精度用的。
readimg.py：
读取图片的工具
#4. 如何使用 安装python3.5版本（建议直接官网下载对应的exe文件） 安装所需的包 控制台（CMD）下 pip install tensorflow numpy matplotlib Pillow 若下载的慢 可以换pip源 pip install tensorflow numpy matplotlib Pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
控制台下直接输入python 文件 即可
e.g. python GUI.py
程序均可直接执行，都有默认参数，路径可修改，见文件内部变量，若执行时报缺少包XX，pip install XX
#5 如有问题 可联系我 1073280512@qq.com 猫先生和781137149zhouzhouxxx@qq.com wolf