## 如何运行

0. 环境与依赖：
   - python 3.7
   - tensorflow 2.0.0b0
   - pillow(PIL) 4.3.0
1. 下载数据集：[The EMNIST Dataset](https://www.nist.gov/itl/products-and-services/emnist-dataset)
2. 解压数据集，选取其中的
   - emnist-letters-train-labels-idx1-ubyte.gz
   - emnist-letters-train-images-idx3-ubyte.gz
   - emnist-letters-test-labels-idx1-ubyte.gz
   - emnist-letters-test-images-idx3-ubyte.gz
   复制到 `data_set_emnist_letters` 目录中（已放入）
3. 运行 `src/letters/letter_train.py` 开始模型训练
4. 运行 `src/letters/letter_predict.py` ，对 `english_images` 下的所有图片进行识别，并逐一显示结果

## 附 字符编码表（UTF-8）

| **字符** | **编码10进制** | **编码16进制** | **Unicode编码10进制** | **Unicode编码16进制** |
| -------- | -------------- | -------------- | --------------------- | --------------------- |
| a        | 97             | 61             | 97                    | 61                    |
| b        | 98             | 62             | 98                    | 62                    |
| c        | 99             | 63             | 99                    | 63                    |
| d        | 100            | 64             | 100                   | 64                    |
| e        | 101            | 65             | 101                   | 65                    |
| f        | 102            | 66             | 102                   | 66                    |
| z        | 122            | 7A             | 122                   | 7A                    |
| A        | 65             | 41             | 65                    | 41                    |
| B        | 66             | 42             | 66                    | 42                    |
| C        | 67             | 43             | 67                    | 43                    |
| D        | 68             | 44             | 68                    | 44                    |
| E        | 69             | 45             | 69                    | 45                    |
| F        | 70             | 46             | 70                    | 46                    |
| Z        | 90             | 5A             | 90                    | 5A                    |