第一步：准备数据

七种手写字数据：甲，目，日，申，田，由，月，总共有3500张图片，每个文件夹单独放一种手写字体

第二步：搭建模型

本文选择LSTM网络结构，其网络结构如下：

 由于是七分类问题，参考代码如下：

def RnnSmall_model(input_size, cell_size, time_steps):
    model = keras.Sequential()
    model.add(keras.layers.LSTM(64, input_dim=time_steps, input_length=input_size, return_sequences=True))
    model.add(keras.layers.LSTM(128, return_sequences=True))
    model.add(keras.layers.LSTM(64, return_sequences=False))
    model.add(keras.layers.Dense(7, activation='softmax'))
    return model

第三步：统计正确率

RnnSmall_model_model_logep126-accuracy0.983-val_accuracy0.972正确率高达97.2%

第四步：搭建GUI界面

第五步：整个工程的内容

有训练代码和训练好的模型以及训练过程，提供数据，提供GUI界面代码

代码的下载路径（新窗口打开链接）：基于keras框架的LSTM深度学习神经网络手写字识别系统源码

有问题可以私信或者留言，有问必答