神经网络识别准确率代码
时间: 2023-08-01 19:15:14 浏览: 37
以下是一个简单的神经网络识别准确率的 Python 代码示例:
```python
import tensorflow as tf
from tensorflow import keras
# 加载数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
# 数据预处理
x_train = x_train / 255.0
x_test = x_test / 255.0
# 构建模型
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=10)
# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)
```
在上面的代码中,我们使用 TensorFlow 和 Keras 库来构建一个简单的神经网络模型,并使用 MNIST 手写数字数据集对其进行训练和评估。在模型训练完成后,我们使用 `evaluate` 方法计算出测试集上的准确率,并将其打印出来。