摘要：手写数字的识别，顾名思义，就是让计算机识别手写的阿拉伯数字。随着时代的数字化、信息化，对于数字识别的要求也越来越高。由于手写数字的风格各异，所以数字识别的准确率亟待提高。

本课题的研究基于TensorFlow深度学习框架，使用MNIST数据集作为数据源，采用卷积神经网络(CNN)模型结构进行模型训练。通过测试模型的准确率，对比不同的优化模型，对模型进行优化训练，直至达到预期的要求，最后在Android平台上进行应用。最终实现的手写数字的识别应用，主要是将包含手写的阿拉伯数字的图片上传至计算机，经过计算机处理、识别之后返回预测值给用户。

本课题完成了学习模型的搭建和训练，完成了不同优化模型的对比，实现了安卓APP的开发。通过对模型不断迭代训练、优化测试，最终手写数字的识别准确率可以达到99%。

关键词：手写数字识别  深度学习  TensorFlow框架  卷积神经网络 

目录

摘要

Abstract

1引言-1

1.1课题的开发背景-1

1.2课题的研究目的和意义-1

1.3课题的实现目标-2

1.4 论文结构-2

2开发环境-3

2.1开发环境介绍-3

2.1.1 Pycharm-3

2.1.2 Android studio-3

2.1.3 Python-3

2.1.4 JDK-3

2.2 开发环境的搭建-4

2.2.1软件获取与安装-4

2.2.2软件获取地址-4

2.2.3 软件安装过程-4

3系统分析-5

3.1神经网络技术分析-5

3.2系统需求分析-9

3.2.1 性能需求分析-9

3.3可行性分析-9

4系统设计-11

4.1设计思想-11

4.2 系统环境-11

4.3系统架构-11

4.4 功能模块设计-12

4.5系统数据流图-12

4.6项目结构-13

5 系统实现-15

5.1 MNIST数据集的训练过程-15

5.1.1下载数据集-15

5.1.2定义模型-16

5.1.3训练模型-19

5.1.4 评估模型-20

5.2 服务器端接口的编写-21

5.3 安卓软件的开发-22

5.4实验小结-25

6 系统测试-26

6.1功能测试-26

6.2 验证模型效果-26

6.3测试结果总结-28

7 系统开发的影响分析-29

7.1对社会人文的影响-29

7.2对环境的影响-29

7.3对法律的影响-29

8.总结与展望-30

8.1工作总结-30

8.2 课题展望-30

参考文献-31

致谢-32