python神经网络手写数字识别代码

好的，以下是一个简单的Python神经网络手写数字识别代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
digits = load_digits()
data = digits.data
target = digits.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.3, random_state=42)

# 构建神经网络模型
model = MLPClassifier(hidden_layer_sizes=(100,), max_iter=500, alpha=1e-4, solver='sgd', 
                      verbose=10, tol=1e-4, random_state=1, learning_rate_init=0.001)

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这个代码使用了Scikit-learn库中的MLPClassifier类，它是一个多层感知机分类器。我们使用手写数字数据集来训练模型，并将数据集分为训练集和测试集。我们使用MLPClassifier类来构建神经网络模型，并使用fit()方法来训练模型。最后，我们使用predict()方法来预测测试集，并使用accuracy_score()方法来计算准确率。