TensorFlow手写数字识别模型运行时Matplotlib无法显示图片问题

一、CPU优化提示处理 #

控制台输出的CPU优化提示是TensorFlow默认性能提醒，本身不影响模型运行，可按需处理：

• 关闭提示：在代码开头添加配置屏蔽非必要日志

  import os
  import tensorflow as tf
  # 屏蔽INFO和WARNING级别的日志
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
  tf.get_logger().setLevel('ERROR')
  

• 若需GPU加速：检查CUDA（11.8版本）、cuDNN（8.6版本）是否与TensorFlow 2.14.0匹配，确认环境变量配置正确，重新安装对应版本的TensorFlow-GPU包。

二、Matplotlib无法显示图片修复 #

从预处理逻辑、代码调用、后端配置三方面排查修复：

1. 补全显示必要代码 #

• 普通Python环境：绘图代码末尾必须添加plt.show()
• Jupyter Notebook环境：开头添加%matplotlib inline，无需额外调用plt.show()

2. 对齐MNIST图片预处理逻辑 #

MNIST数据集为黑底白字、28x28灰度图，自定义图片需匹配该格式，否则会同时影响预测精度和显示效果：

import matplotlib.pyplot as plt
import cv2

img_path = "your_digit_image.png"
# 转为灰度图并缩放到28x28
img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img, (28, 28))
# 反转颜色（若自定义图片是白底黑字）
img = 255 - img
# 归一化到0-1区间
img = img / 255.0

# 显示预处理后的图片
plt.imshow(img, cmap='gray')
plt.axis('off')  # 隐藏坐标轴
plt.show()

# 调整维度适配模型输入格式
img_input = img.reshape(1, 28, 28, 1)

3. 切换Matplotlib后端 #

桌面环境下若仍无法显示，切换后端配置（需在导入pyplot前设置）：

import matplotlib
matplotlib.use('TkAgg')  # 或QtAgg、GTK3Agg，根据系统支持选择
import matplotlib.pyplot as plt

完整示例代码 #

import os
import tensorflow as tf
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
import cv2

# 关闭TensorFlow冗余日志
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
tf.get_logger().setLevel('ERROR')

# 加载训练好的模型
model = tf.keras.models.load_model('mnist_model.h5')

# 处理自定义图片
img_path = "test_digit.png"
if not os.path.exists(img_path):
    print("图片路径不存在，请检查路径")
else:
    # 预处理流程
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    img = cv2.resize(img, (28, 28))
    img = 255 - img
    img = img / 255.0

    # 显示图片
    plt.imshow(img, cmap='gray')
    plt.axis('off')
    plt.show()

    # 执行预测
    img_input = img.reshape(1, 28, 28, 1)
    pred = model.predict(img_input)
    print(f"识别结果：{pred.argmax()}")

内容的提问来源于stack exchange，提问作者zer0