如何在经过MNIST训练的网络上测试我自己的镜像？

在经过MNIST训练的网络上测试自己的镜像，可以按照以下步骤进行：

1. 准备镜像：首先，需要准备一个包含你自己的图像数据的镜像。可以使用Python的PIL库或OpenCV库加载和处理图像数据，并将其转换为与MNIST数据集相同的格式。
2. 加载模型：将经过MNIST训练的网络模型加载到你的开发环境中。可以使用TensorFlow、PyTorch或Keras等深度学习框架来加载模型。
3. 预处理图像：在将图像输入到网络之前，需要对其进行预处理。这包括将图像转换为灰度图像、调整大小为28x28像素，并将像素值归一化到0到1之间。
4. 运行推理：将预处理后的图像输入到加载的模型中，并运行推理过程。模型将输出一个包含10个元素的向量，表示图像属于0到9的每个数字的概率。
5. 解释结果：根据模型的输出，可以解释图像所属的数字。通常，选择具有最高概率的数字作为预测结果。

以下是腾讯云相关产品和产品介绍链接地址，可以用于支持上述步骤中的不同需求：

1. 腾讯云AI开放平台：提供了丰富的人工智能服务和API，包括图像识别、语音识别、自然语言处理等。链接地址：https://cloud.tencent.com/product/ai
2. 腾讯云容器服务：用于部署和管理容器化应用程序，可以方便地创建和管理镜像。链接地址：https://cloud.tencent.com/product/tke
3. 腾讯云函数计算：无服务器计算服务，可以在云端运行代码，无需关心服务器运维。链接地址：https://cloud.tencent.com/product/scf
4. 腾讯云GPU服务器：提供强大的GPU计算能力，适用于深度学习和图像处理等任务。链接地址：https://cloud.tencent.com/product/gpu

请注意，以上链接仅供参考，具体选择适合自己需求的产品和服务。