手写数字识别演示

实验目的

了解神经网络识别手写数字的基本过程，认识识别结果受书写方式影响。

实验原理

手写数字图像由许多像素组成，每个像素对应一个数值。神经网络将这些数值作为输入，经过各层计算，输出0～9每个数字的可能性，取可能性最大的数字作为识别结果。网络事先用大量带标签的手写数字样本训练，不断调整内部参数，才具备识别能力。

实验器材

• 手写书写区域
• 清除按钮
• 识别结果
• 各数字的可能性（置信度）
• 不同书写风格的数字

实验步骤

1. 在书写区域写下一个数字，尽量写得大一些、居中。
2. 查看网络给出的识别结果和各数字的可能性。
3. 清除后用潦草、过小或偏离中心的方式再写同一个数字。
4. 尝试写形状相近的数字，如1和7、4和9。
5. 比较不同写法下识别结果和可能性的变化。

实验现象与结论

书写规范、位置居中的数字通常识别可能性较高；笔画潦草、过小或与其他数字相似时，可能性会下降，甚至识别出错。结论：神经网络输出的是可能性而非绝对判断，识别效果依赖训练数据和输入质量。

常见问题

计算机是怎么“看”懂手写数字的？

它把图像转成像素数值，输入训练好的神经网络，由网络计算出每个数字的可能性。

为什么有时会识别错？

字迹潦草、位置偏离或形状相似都会影响输入，模型训练数据也有局限，所以会出错。