写一个数字试试
在左边的画板上写一个 0–9 的数字。松手后，页面会把你的字迹整理成 28×28 的像素向量， 和 10 个从 6 万张 MNIST 训练图算出来的平均数字（质心）逐一比欧氏距离——谁最近就判成谁。 右边可以看到模型眼里的你的字，以及它和每个质心的距离。
手写板（尽量写大一点）
判断结果
模型看到的你（28×28）
最近的质心
写完松手，或点"识别"
松手之后发生了什么
- 裁剪：找到字迹的包围盒，把空白边全部裁掉——你写在哪个角落、写多大都不影响；
- 缩放：保持长宽比缩到 20×20 的盒子里（MNIST 官方就是这么做的）；
- 居中：算出字迹的"墨水重心"，平移到 28×28 画布的正中——没有这一步，准确率会从 82% 掉到接近瞎猜；
- 比距离：把 784 个像素当成一个向量 $x$，对每个质心 $c_d$ 算 $\|x - c_d\|$，取最小者。 k-NN 模式不比质心，而是和 6 万张训练图逐张比汉明距离（不同像素的个数，XOR + popcount 一次算 32 个像素），最近的 k 张投票。
试试这些花样：写一个开口的 4 和封口的 4；写一个上圈不封死的 8；把同一个数字写得很粗和很细。 看看哪些写法能骗过它——认错的时候，看看第二名是不是就是正确答案。 同一个字写完不动，在四种模式之间切换，看判断和距离怎么变： 二值模式验证的是"灰度重不重要"，30 模板模式验证的是"一类一个代表够不够"—— 被认错的字常常在 30 模板模式下被某一型模板"捞"回来。 k-NN 模式还会把最像你笔迹的 k 张真实训练图亮出来当"判案证据"， 这四档正好是同一根轴上的四个刻度：每类 1 个代表（82%）→ 3 个（87%）→ 原样记住 6000 个（96%）。