Add files via upload

[asdjst]

添加异常处理：

model = keras.models.load_model('model.h5')：如果模型文件缺失或损坏，程序将抛出错误，因此我们在加载模型时添加了异常处理，以便在加载失败时给予提示。 在 predict_digit 函数中添加了异常处理，以防止处理图像时发生错误，程序能够继续执行其他图像的预测，而不会因一个错误导致整体中断。 提取预测函数：

将图像处理和预测功能封装到 predict_digit 函数中，使代码结构更清晰、便于维护和复用。
检查 img 文件夹是否存在：

程序在开始时检查 img 文件夹的存在性，并在不存在时终止程序，避免无效路径导致的错误。
图像数组数据类型：

img = np.array(img, dtype=np.float32)：在转换为 NumPy 数组时指定数据类型为 float32，这是深度学习模型中常用的浮点数据类型，能提高计算效率并减少内存消耗。 路径处理：

os.path.join('img', file_name)：使用 os.path.join 构建路径，提高了代码的跨平台兼容性，避免在不同系统上路径分隔符差异导致的错误。 移除不必要的输入等待：

移除了 input("Press Enter to end...")，避免程序运行结束后还需额外操作，尤其适合在脚本执行自动化场景中使用。