Dai Jie

@ICE-GB ```python from make_npy_data_set import DataSet dataset = DataSet() test_x, test_y = dataset.get_test_set() # 784 reshaple 为 28 x 28 x 1 test_x = test_x.reshape((-1, 28, 28, 1)) # 独热编码转为...

@ICE-GB 你描述的问题，我已经回复你邮件了。读取出来的图片，值范围是[0, 255]，训练集的值范围是[0, 1]，所以你需要使用PIL读取后，除以 255，如下所示。 ```python img = Image.open(image_path).convert('L') flatten_img = np.reshape(img, (28, 28, 1)) / 255 ```

@Linf-p @LiZeng001 抱歉，这里应该是写错了，预测和训练时的数据是需要匹配上的。训练时 /255，预测时也应该 /255。

感谢 @LiZeng001 @FrontierQ ，已经修正为 ```go img = np.reshape(img, (28, 28, 1)) / 255. x = np.array([1 - img]) ```

报错信息是模型文件没有生成，应该是还训练过吧？需要先训练再预测，先执行train.py，再执行 predict.py。

@plateau1 这个模型过于简单了，训练人脸估计是不够的，效果差是正常的，你需要修改网络结构，试着添加几层网络，或者加入池化等方式多试一试。

@Jaccelerator 用来识别 mnist 的模型相当于是卷积网络中的 hello world，这个模型无论怎么定义，识别率都是很高的。如果想了解更多的话，可以参考两本书，一本是国内周志华老师的西瓜书，另一本是被奉为深度学习的圣经的国外的花书，后面这本难度比较大。

突然被大佬翻牌，我这就去发。

@Codexiaoyi 没任何问题的，MIT 协议非常宽松的，能帮你非常高兴。

@2lingnil fixed @Imfan done 前后有锁