tensorflow CNN训练mnist数据集后识别自己写的数字效果不好

Question

自己搭建的cnn，用mnist数据集训练的模型，准确率大概在97%，但是用手机拍了几张手写照片，灰度化之后用模型测试发现效果很差。。。0给认成了8，不知道为什么，有没有遇到类似问题的朋友
模型参考的tensorflow 1.0 学习：用CNN进行图像分类 - denny402 - 博客园
https://www.cnblogs.com/denny402/p/6931338.html

Answer 1

MNIST数据集与你自己采集的图像，实际上是两个不同的数据集，你在MNIST上训练，然后在你的数据集上测试，测试性能不好是十分正常的。这实际上涉及在两个相似但是不同的域之间的迁移学习的问题。有三个办法解决你的问题：

1、对你自己的数据集进行正确的归一化，包括裁剪、平移、缩放、二值化等，让它们至少看起来与MNIST数据集中的图像类似，这样识别率会改善。

2、先在MNIST上训练你的CNN模型（预训练），再用你自己的数据集进行训练（精调），一般也可以获得识别率的提升；

3、如果想获得更高的识别率，建立自己的大规模数据集（规模与MNIST相当），然后直接训练。