代加工没写完()

MNIST 手写数字识别可视化

工作原理

这个演示使用了预训练的卷积神经网络模型来识别手写数字：

1. 输入预处理：

   • 将手写输入缩放到 28x28 像素
   • 转换为灰度图像
   • 标准化像素值到 0-1 范围

2. 网络结构：

   • 输入层 (28×28=784 个神经元)
   • 卷积层 1 (32 个特征图)
   • 池化层 1 (16×16 降采样)
   • 卷积层 2 (64 个特征图)
   • 池化层 2 (8×8 降采样)
   • 全连接层 (128 个神经元)
   • 输出层 (10 个神经元，对应 0-9)

3. 实时预测：

   • 每次绘制完成后自动预测
   • 显示每个数字的概率分布
   • 动态可视化网络激活状态

4. 技术栈：

   • TensorFlow.js 用于模型加载和预测
   • Canvas API 用于绘图和可视化
   • Vue 3 用于响应式 UI