我使用tensorflow训练了一个CNN模型来进行MNIST数据集的数字识别。测试集上的准确率接近98%。
我想要使用自己创建的数据来预测数字，结果却很差。
我对自己写的图像做了什么？
我分割出每个数字，并将其转换为灰度，然后调整图像大小至28x28，最后输入到模型中。
为什么我的数据集上的准确率这么低，而测试集上的准确率却这么高呢？
我还需要对图像进行其他修改吗？
编辑：
这是图像的链接以及一些示例：
回答：
排除错误和明显的失误，我的猜测是您捕捉手写数字的方式与训练集差异太大。
在捕捉数据时，您应该尽可能模仿创建MNIST数据集的过程：
来自官方MNIST数据集网站的说明：
来自NIST的原始黑白（双色）图像被大小归一化为适合20×20像素的框，同时保持其纵横比。归一化算法使用的抗锯齿技术使得结果图像包含灰度级。图像通过计算像素的质心并将图像平移，使该点位于28×28图像的中心来居中处理。
如果您的数据在训练和测试阶段有不同的处理方式，那么您的模型将无法从训练数据泛化到测试数据。
因此，我有两个建议给您：
- 尝试捕捉和处理您的数字图像，使其尽可能与MNIST数据集相似；
- 将您的一些示例添加到训练数据中，让您的模型能够在与您分类相似的图像上进行训练；
