使用我自己的样本测试MNIST训练的网络

是指使用自己准备的样本数据对已经训练好的MNIST网络进行测试和验证。MNIST是一个非常经典的手写数字识别数据集，它包含了大量的手写数字图片样本。

在云计算领域中，使用我自己的样本测试MNIST训练的网络可以用于评估训练模型的性能和准确度。具体步骤包括：

1. 准备样本数据：收集自己的手写数字图片样本，确保图片的大小和MNIST数据集一致。
2. 数据预处理：将手写数字图片转换为与MNIST数据集相同的格式，通常是将图片转换为灰度图像，并调整大小为28x28像素。
3. 加载训练好的网络模型：通过云计算平台提供的模型加载功能，将已经训练好的MNIST网络模型加载到云服务器或者边缘设备中。
4. 进行样本测试：使用准备好的样本数据输入到网络模型中，获取网络模型的输出结果。
5. 结果分析和评估：根据网络模型输出的结果，与样本数据的真实标签进行比对，计算准确率、精度和召回率等指标来评估网络模型的性能。

这样的应用场景可以广泛应用于手写数字识别、自动化表单处理、自动化文字识别、光学字符识别等场景。

对于腾讯云相关产品推荐，可以使用腾讯云的AI平台，其中包括了丰富的人工智能能力和云原生服务。具体推荐的产品如下：

1. 腾讯云AI图像识别：提供了丰富的图像处理和识别能力，包括图像分类、人脸识别、OCR文字识别等功能，可用于处理手写数字图片。
2. 腾讯云AI推理服务（AI Inference）：提供了高性能的推理服务，支持将已训练好的模型部署在云服务器上进行推理，适用于对MNIST网络模型进行样本测试。

具体产品介绍和使用方式，请参考以下链接：

1. 腾讯云AI图像识别
2. 腾讯云AI推理服务