用Python写一个深度学习的代码

很抱歉，作为AI语言模型，我并不能直接编写代码。但是，以下是一个使用Python编写的简单深度学习模型的示例代码，希望对您有所帮助：

import numpy as np
import tensorflow as tf
from tensorflow.keras import layers

# 准备数据
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 数据处理
x_train = x_train.astype("float32") / 255.0
x_test = x_test.astype("float32") / 255.0
x_train = np.expand_dims(x_train, -1)
x_test = np.expand_dims(x_test, -1)

# 构建模型
model = tf.keras.Sequential(
    [
        layers.Input(shape=(28, 28, 1)),
        layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
        layers.MaxPooling2D(pool_size=(2, 2)),
        layers.Flatten(),
        layers.Dense(10, activation="softmax"),
    ]
)

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

# 训练模型
model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.1)

# 评估模型
model.evaluate(x_test, y_test)

这个示例代码使用了TensorFlow和Keras库，构建了一个简单的卷积神经网络模型，用于手写数字识别。模型包括一个卷积层、一个最大池化层、一个展平层和一个全连接层。训练数据来自MNIST数据集，使用Adam优化器和交叉熵损失函数进行训练和评估。