写一段 tensorflow2 验证码识别代码

以下是一段使用 TensorFlow 2 实现验证码识别的代码：

import tensorflow as tf
from tensorflow.keras import layers

# 定义模型
model = tf.keras.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

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

# 数据预处理
x_train = x_train.reshape((60000, 28, 28, 1)) / 255.0
x_test = x_test.reshape((10000, 28, 28, 1)) / 255.0

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

这段代码实现了一个简单的卷积神经网络，用于识别 MNIST 数据集中的手写数字验证码。具体来说，模型包含三个卷积层和两个全连接层，使用 ReLU 激活函数和 softmax 输出层。在训练过程中，使用 Adam 优化器和交叉熵损失函数进行优化。最终，模型在测试集上的准确率可以达到 99% 左右。