(x_train, y_train), (x_test, y_test) = 'mnist.npz'

这个语句是错误的，因为 `'mnist.npz'` 不是一个能够直接加载 MNIST 数据集的方式。

如果你想要加载 MNIST 数据集，可以使用 `tf.keras.datasets.mnist.load_data()` 函数，例如：

import tensorflow as tf

# 加载 MNIST 数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 进行数据预处理
x_train = x_train.reshape((60000, 784)) / 255.
x_test = x_test.reshape((10000, 784)) / 255.

# 构建模型并训练
model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=64, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(units=10, activation='softmax')
])
model.compile(optimizer=tf.keras.optimizers.Adam(),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(),
              metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])
model.fit(x_train, y_train, epochs=5, batch_size=64)

# 在测试集上评估模型
model.evaluate(x_test, y_test)

在上面的代码中，我们使用 `tf.keras.datasets.mnist.load_data()` 函数加载 MNIST 数据集，并进行数据预处理。然后，我们构建模型并训练，最后在测试集上评估模型。