KNN(K近邻分类)
一、数据准备:文件 datingTestSet.txt 数据如下:
40920 8.326976 0.953952 3
14488 7.153469 1.673904 2
26052 1.441871 0.805124 1
75136 13.147394 0.428964 1
38344 1.669788 0.134296 1
72993 10.141740 1.032955 1
35948 6.830792 1.213192 3
42666 13.276369 0.543880 3
67497 8.631577 0.749278 1
35483 12.273169 1.508053 3
50242 3.723498 0.831917 1
63275 8.385879 1.669485 1
5569 4.875435 0.728658 2
51052 4.680098 0.625224 1
77372 15.299570 0.331351 1
43673 1.889461 0.191283 1
61364 7.516754 1.269164 1
69673 14.239195 0.261333 1
15669 0.000000 1.250185 2
28488 10.528555 1.304844 3
6487 3.540265 0.822483 2
37708 2.991551 0.833920 1
22620 5.297865 0.638306 2
28782 6.593803 0.187108 3
19739 2.816760 1.686209 2
36788 12.458258 0.649617 3
5741 0.000000 1.656418 2
28567 9.968648 0.731232 3
6808 1.364838 0.640103 2
41611 0.230453 1.151996 1
36661 11.865402 0.882810 3
43605 0.120460 1.352013 1
15360 8.545204 1.340429 3
63796 5.856649 0.160006 1
10743 9.665618 0.778626 2
70808 9.778763 1.084103 1
72011 4.932976 0.632026 1
5914 2.216246 0.587095 2
14851 14.305636 0.632317 3
33553 12.591889 0.686581 3
44952 3.424649 1.004504 1
17934 0.000000 0.147573 2
14254 5.946014 1.614244 2
68613 13.798970 0.724375 1
41539 10.393591 1.663724 3
7917 3.007577 0.297302 2
21331 1.031938 0.486174 2
8338 4.751212 0.064693 2
5176 3.692269 1.655113 2
18983 10.448091 0.267652 3
68837 10.585786 0.329557 1
9868 2.694977 0.432818 2
18333 3.951256 0.333300 2
48111 9.134528 0.728045 3
43757 7.882601 1.332446 3
......
二、代码实现
1、KNNDateOnHand.py代码
1 # coding:utf-8 2 3 import numpy as np 4 import operator 5 # matplotlib 绘图模块 6 import matplotlib.pyplot as plt 7 8 9 # from array import array 10 # from matplotlib.font_manager import FontProperties 11 12 # normData 测试数据集的某行, dataSet 训练数据集 ,labels 训练数据集的类别,k k的值 13 def classify(normData, dataSet, labels, k): 14 # 计算行数 15 dataSetSize = dataSet.shape[0] 16 # print ('dataSetSize 长度 =%d'%dataSetSize) 17 # 当前点到所有点的坐标差值 ,np.tile(x,(y,1)) 复制x 共y行 1列 18 diffMat = np.tile(normData, (dataSetSize, 1)) - dataSet 19 # 对每个坐标差值平方 20 sqDiffMat = diffMat ** 2 21 # 对于二维数组 sqDiffMat.sum(axis=0)指 对向量每列求和,sqDiffMat.sum(axis=1)是对向量每行求和,返回一个长度为行数的数组 22 # 例如:narr = array([[ 1., 4., 6.], 23 # [ 2., 5., 3.]]) 24 # narr.sum(axis=1) = array([ 11., 10.]) 25 # narr.sum(axis=0) = array([ 3., 9., 9.]) 26 sqDistances = sqDiffMat.sum(axis=1) 27 # 欧式距离 最后开方 28 distance = sqDistances ** 0.5 29 # x.argsort() 将x中的元素从小到大排序,提取其对应的index 索引,返回数组 30 # 例: tsum = array([ 11., 10.]) ---- tsum.argsort() = array([1, 0]) 31 sortedDistIndicies = distance.argsort() 32 # classCount保存的K是魅力类型 V:在K个近邻中某一个类型的次数 33 classCount = {} 34 for i in range(k): 35 # 获取对应的下标的类别 36 voteLabel = labels[sortedDistIndicies[i]] 37 # 给相同的类别次数计数 38 classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 39 # sorted 排序 返回新的list 40 # sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) 41 sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True) 42 return sortedClassCount[0][0] 43 44 45 def file2matrix(filename): 46 fr = open(filename, "rb") 47 # readlines:是一次性将这个文本的内容全部加载到内存中(列表) 48 arrayOflines = fr.readlines() 49 numOfLines = len(arrayOflines) 50 # print "numOfLines = " , numOfLines 51 # numpy.zeros 创建给定类型的数组 numOfLines 行 ,3列 52 returnMat = np.zeros((numOfLines, 3)) 53 # 存结果的列表 54 classLabelVector = [] 55 index = 0 56 for line in arrayOflines: 57 # 去掉一行的头尾空格 58 line = line.decode("utf-8").strip() 59 listFromline = line.split('\t') 60 returnMat[index, :] = listFromline[0:3] 61 classLabelVector.append(int(listFromline[-1])) 62 index += 1 63 return returnMat, classLabelVector 64 65 66 ''' 67 将训练集中的数据进行归一化 68 归一化的目的: 69 训练集中飞行公里数这一维度中的值是非常大,那么这个纬度值对于最终的计算结果(两点的距离)影响是非常大, 70 远远超过其他的两个维度对于最终结果的影响 71 实际约会姑娘认为这三个特征是同等重要的 72 下面使用最大最小值归一化的方式将训练集中的数据进行归一化 73 ''' 74 75 76 # 将数据归一化 77 def autoNorm(dataSet): 78 # dataSet.min(0) 代表的是统计这个矩阵中每一列的最小值 返回值是一个矩阵1*3矩阵 79 # 例如: numpyarray = array([[1,4,6], 80 # [2,5,3]]) 81 # numpyarray.min(0) = array([1,4,3]) numpyarray.min(1) = array([1,2]) 82 # numpyarray.max(0) = array([2,5,6]) numpyarray.max(1) = array([6,5]) 83 minVals = dataSet.min(0) 84 maxVals = dataSet.max(0) 85 ranges = maxVals - minVals 86 # dataSet.shape[0] 计算行数, shape[1] 计算列数 87 m = dataSet.shape[0] 88 89 # print '行数 = %d' %(m) 90 # print maxVals 91 92 # normDataSet存储归一化后的数据 93 # normDataSet = np.zeros(np.shape(dataSet)) 94 # np.tile(minVals,(m,1)) 在行的方向上重复 minVals m次 即复制m行,在列的方向上重复munVals 1次,即复制1列 95 normDataSet = dataSet - np.tile(minVals, (m, 1)) 96 normDataSet = normDataSet / np.tile(ranges, (m, 1)) 97 return normDataSet, ranges, minVals 98 99 100 def datingClassTest(): 101 rate = 0.1 102 datingDataMat, datingLabels = file2matrix('./datingTestSet.txt') 103 # 将数据归一化 104 normMat, ranges, minVals = autoNorm(datingDataMat) 105 # m 是 : normMat行数 = 1000 106 m = normMat.shape[0] 107 # print 'm =%d 行'%m 108 # 取出100行数据测试 109 numTestVecs = int(m * rate) 110 errorCount = 0.0 111 for i in range(numTestVecs): 112 # normMat[i,:] 取出数据的第i行,normMat[numTestVecs:m,:]取出数据中的100行到1000行 作为训练集, 113 # datingLabels[numTestVecs:m] 取出数据中100行到1000行的类别,4是K 114 classifierResult = classify(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 4) 115 print('模型预测值: %d ,真实值 : %d' % (classifierResult, datingLabels[i])) 116 if (classifierResult != datingLabels[i]): 117 errorCount += 1.0 118 errorRate = errorCount / float(numTestVecs) 119 print('正确率 : %f' % (1 - errorRate)) 120 return 1 - errorRate 121 122 123 ''' 124 拿到每条样本的飞行里程数和玩视频游戏所消耗的时间百分比这两个维度的值,使用散点图 125 ''' 126 127 128 def createScatterDiagram(): 129 datingDataMat, datingLabels = file2matrix('datingTestSet2.txt') 130 type1_x = [] 131 type1_y = [] 132 type2_x = [] 133 type2_y = [] 134 type3_x = [] 135 type3_y = [] 136 # 生成一个新的图像 137 fig = plt.figure() 138 # matplotlib下, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制 139 # subplot(numRows, numCols, plotNum)图表的整个绘图区域被分成 numRows 行和 numCols 列,按照从左到右,从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1 140 # plt.subplot(111)等价于plt.subplot(1,1,1) 141 axes = plt.subplot(111) 142 # 设置字体 黑体 ,用来正常显示中文标签 143 plt.rcParams['font.sans-serif'] = ['SimHei'] 144 145 for i in range(len(datingLabels)): 146 if datingLabels[i] == 1: # 不喜欢 147 type1_x.append(datingDataMat[i][0]) 148 type1_y.append(datingDataMat[i][1]) 149 150 if datingLabels[i] == 2: # 魅力一般 151 type2_x.append(datingDataMat[i][0]) 152 type2_y.append(datingDataMat[i][1]) 153 154 if datingLabels[i] == 3: # 极具魅力 155 type3_x.append(datingDataMat[i][0]) 156 type3_y.append(datingDataMat[i][1]) 157 158 # 绘制散点图 ,前两个参数表示相同长度的数组序列 ,s 表示点的大小, c表示颜色 159 type1 = axes.scatter(type1_x, type1_y, s=20, c='red') 160 type2 = axes.scatter(type2_x, type2_y, s=40, c='green') 161 type3 = axes.scatter(type3_x, type3_y, s=50, c='blue') 162 plt.title(u'标题') 163 plt.xlabel(u'每年飞行里程数') 164 plt.ylabel(u'玩视频游戏所消耗的时间百分比') 165 # loc 设置图例的位置 2是upper left 166 axes.legend((type1, type2, type3), (u'不喜欢', u'魅力一般', u'极具魅力'), loc=2) 167 # plt.scatter(datingDataMat[:,0],datingDataMat[:,1],c = datingLabels) 168 plt.show() 169 170 171 def classifyperson(): 172 resultList = ['没感觉', '看起来还行', '极具魅力'] 173 # input_man = [20000, 3, 2] 174 input_man = [70808,9.778763,1.084103] 175 datingDataMat, datingLabels = file2matrix('datingTestSet.txt') 176 normMat, ranges, minVals = autoNorm(datingDataMat) 177 result = classify((input_man - minVals) / ranges, normMat, datingLabels, 5) 178 print('你即将约会的人是:%s' % resultList[result - 1]) 179 180 181 if __name__ == '__main__': 182 # createScatterDiagram观察数据的分布情况 183 # createScatterDiagram() 184 acc = datingClassTest() 185 if (acc > 0.9): 186 classifyperson()
运行结果:
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
正确率 : 0.960000
你即将约会的人是:没感觉
2、KNNDateByScikit-learn.py代码
1 # coding:utf-8 2 import operator 3 4 from sklearn.neighbors import NearestNeighbors 5 6 from com.bjsxt.knn.KNNDateOnHand import file2matrix, autoNorm 7 8 if __name__ == '__main__': 9 datingDataMat, datingLabels = file2matrix('datingTestSet.txt') 10 normMat, ranges, minVals = autoNorm(datingDataMat) 11 # n_neighbors=3 表示查找的近邻数,默认是5 12 # fit:用normMat作为训练集拟合模型 n_neighbors:几个最近邻 13 # NearestNeighbors 默认使用的就是欧式距离测度 14 nbrs = NearestNeighbors(n_neighbors=3).fit(normMat) 15 # input_man = [20000, 3, 2] 16 input_man = [35948,6.830792,1.213192] 17 # 数据归一化 18 S = (input_man - minVals) / ranges 19 # 找到当前点的K个临近点,也就是找到临近的3个点 20 # distance 返回的是距离数据集中最近点的距离,indices 返回的距离数据集中最近点的坐标的下标。 21 distances, indices = nbrs.kneighbors([S]) 22 print("distances is %s" % distances) 23 print("indices is %s" % indices) 24 # classCount K:类别名 V:这个类别中的样本出现的次数 25 classCount = {} 26 for i in range(3): 27 # 找出对应的索引的类别号 28 voteLabel = datingLabels[indices[0][i]] 29 classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 30 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) 31 resultList = ['没感觉', '看起来还行', '极具魅力'] 32 print(resultList[sortedClassCount[0][0] - 1])
运行结果:
distances is [[0. 0.06180879 0.06664147]]
indices is [[ 6 137 731]]
极具魅力
3、IdentifImg.py代码
1 # coding:utf-8 2 3 import os 4 import numpy as np 5 6 # 此方法将每个文件中32*32的矩阵数据,转换到1*1024一行中 7 from com.bjsxt.knn.KNNDateOnHand import classify 8 9 10 def img2vector(filename): 11 # 创建一个1行1024列的矩阵 12 returnVect = np.zeros((1, 1024)) 13 # 打开当前的文件 14 fr = open(filename, "rb") 15 # 每个文件中有32行,每行有32列数据,遍历32个行,将32个列数据放入1024的列中 16 for i in range(32): 17 lineStr = fr.readline() 18 for j in range(32): 19 returnVect[0, 32 * i + j] = int(lineStr[j]) 20 return returnVect 21 22 23 def IdentifImgClassTest(): 24 labels = [] 25 # 读取训练集 TrainData目录下所有的文件和文件夹 26 trainingFileList = os.listdir('TrainData') 27 m = len(trainingFileList) 28 # zeros((m,1024)) 返回一个m行 ,1024列的矩阵,默认是浮点型的 29 trainingMat = np.zeros((m, 1024)) 30 for i in range(m): 31 # 获取文件名称 32 fileNameStr = trainingFileList[i] 33 # 获取文件除了后缀的名称 34 fileStr = fileNameStr.split('.')[0] 35 # 获取文件"数字"的类别 36 classNumStr = int(fileStr.split('_')[0]) 37 labels.append(classNumStr) 38 # 构建训练集, img2vector 每个文件返回一行数据 1024列 39 trainingMat[i, :] = img2vector('TrainData/%s' % fileNameStr) 40 # 读取测试集数据 41 testFileList = os.listdir('TestData') 42 errorCount = 0.0 43 mTest = len(testFileList) 44 for i in range(mTest): 45 fileNameStr = testFileList[i] 46 fileStr = fileNameStr.split('.')[0] 47 classNumStr = int(fileStr.split('_')[0]) 48 vectorUnderTest = img2vector('TestData/%s' % fileNameStr) 49 classifierResult = classify(vectorUnderTest, trainingMat, labels, 3) 50 print("识别出的数字是: %d, 真实数字是: %d" % (classifierResult, classNumStr)) 51 if (classifierResult != classNumStr): 52 errorCount += 1.0 53 print("\n识别错误次数 %d" % errorCount) 54 errorRate = errorCount / float(mTest) 55 print("\n正确率: %f" % (1 - errorRate)) 56 57 58 if __name__ == '__main__': 59 IdentifImgClassTest()
运行结果:
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 7, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 9, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 3, 真实数字是: 5
识别出的数字是: 6, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 6, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 3, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 1, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 1, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 1, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 7, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别错误次数 10
正确率: 0.989429