摘 要：伴随人工智能的发展，丰富了民众的文化生活，这类人工智能技术为民众文娱生活打开了很多全新的窗口。这类技术不单影响着软件行业，另外还影响着诸如广告、教育机构等多个行业。但是越来越多的人们不满足日常的产品而是追求更有品质的生活。近些年，微信小程序的发展迅速，更好的满足了公民的需求，为人们提供各种各样的选择,并可以让人们选择到最满意的生活需求。此外，单纯地对规范数字识别，不满足商业模式的全面性。为此，选择微信开发平台与人工智能相结合开发一款对手写数字识别的小程序满足需求。

本课题是尝试在微信开发者工具上结合TensorFlow实现手写数字识别功能，其中涉及了一些核心技术，包括在Jupyter上进行模型训练、调用画布功能以及如何调用TensorFlow自定义模型，然后将预测的结果显示在界面上。

在将该小程序进行真机调试后，经过了多次测试，准确度达到百分之九十多，基本的功能都已实现，并且运行流畅。

关键词：TensorFlow；手写数字识别；Juptyer；微信小程序

目录

摘要

Abstract

第一章 引言-1

1.1 课题意义-1

1.2 手写数字识别技术的发展现状-2

1.3 开发工具的选择-3

第二章 微信者开发工具概述-4

2.1 微信开发者工具简介-4

2.1.1 小程序调试简介-4

2.2 小程序的基本架构-5

2.3 小程序的文件格式-6

2.4 小程序的生命周期-6

第三章 所用开发工具简介-10

3.1 Jupyter简介-10

3.2 Python简介-10

3.3 TensorFlow简介-11

3.3.2 TensorFlow架构-12

3.4 TensorFlow主要函数介绍-12

3.4.1 tf.nn.embedding_lookup-12

3.4.2 tf.reshape(tensor,shape,name=None)-13

第四章 基于TensorFlow手写数字识别研究与实现-14

4.1 TensorFlow开发环境的搭建-14

4.1.1 软件资源的介绍与下载-14

4.1.2 开发包的安装和测试-15

4.1.3 运行Jupyter Notebook-17

4.2 基于TensorFlow手写识别实现-18

4.2.1 小程序与TensorFlow.js准备工作-18

4.2.2 小程序调用TensorFlow自定义模型-20

4.2.3 页面设计-21

4.2.4 加载模型模块-28

4.2.5 画布功能区域-28

4.2.6 手写数字预测模块-30

第五章 小程序的测试和运行-34

5.1 小程序的测试和运行-34

5.1.1 小程序的测试环境-34

5.1.2小程序的运行效果-34

结束语-36

参考文献-37

致 谢-39