cnn手写数字识别python

您好！要使用CNN实现手写数字识别，可以使用Python中的TensorFlow和Keras库。以下是一个简单的代码示例：

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

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

# 将数据集转换为神经网络可用的格式
x_train = x_train.reshape(-1, 28, 28, 1).astype("float32") / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype("float32") / 255.0

# 创建CNN模型
model = keras.Sequential(
    [
        layers.Conv2D(32, kernel_size=(3, 3), activation="relu", input_shape=(28, 28, 1)),
        layers.MaxPooling2D(pool_size=(2, 2)),
        layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
        layers.MaxPooling2D(pool_size=(2, 2)),
        layers.Flatten(),
        layers.Dropout(0.5),
        layers.Dense(10, activation="softmax"),
    ]
)

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

# 训练模型
model.fit(x_train, y_train, batch_size=128, epochs=15, validation_split=0.1)

# 评估模型
model.evaluate(x_test, y_test)

在这个例子中，我们首先加载MNIST数据集，然后将数据集转换为神经网络可用的格式。接下来，我们创建CNN模型，它由两个卷积层和两个池化层组成，以及一个全连接层和一个softmax层。最后，我们编译模型并训练它，然后使用测试集评估模型性能。

希望这可以帮助您入门CNN手写数字识别，如果您有任何问题，请随时问我！