MNIST手写数字识别的python代码

MNIST手写数字识别是一个经典的机器学习和深度学习入门项目，使用Python和常见的库如TensorFlow或PyTorch。这里是一个使用Keras（TensorFlow的一个高级API）的基本例子：

# 导入必要的库
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
import matplotlib.pyplot as plt

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

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

# 构建模型
model = Sequential([
    Flatten(input_shape=(28, 28)),  # 展平输入
    Dense(128, activation='relu'),  # 全连接层，使用ReLU激活
    Dense(10, activation='softmax')   # 输出层，10个节点对应0-9的分类，softmax用于多分类
])

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

# 训练模型
model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))

# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f"Test accuracy: {test_acc}")

# 可视化一个预测结果
predictions = model.predict_classes(x_test[:1])
plt.imshow(x_test, cmap=plt.cm.binary)
plt.show()