使用python写一段深度学习代码

好的，以下是一个基于Python的深度学习代码示例：

import numpy as np
import tensorflow as tf

# 加载数据集
mnist = tf.keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# 处理像素值范围
train_images, test_images = train_images / 255.0, test_images / 255.0

# 构建模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10)
])

# 定义损失函数和优化器
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
optimizer = tf.keras.optimizers.Adam()

# 训练模型
model.compile(optimizer=optimizer,
              loss=loss_fn,
              metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5, validation_data=(test_images, test_labels))

此代码示例是一个基于TensorFlow的简单深度学习模型，用于MNIST数字分类。它使用了一个包含两个隐藏层的全连接神经网络模型来处理输入数据，并采用`Adam`优化器进行模型训练。