写一段基于CNN的手写数字识别代码

好的，这是一段基于CNN的手写数字识别代码：

import numpy as np
import tensorflow as tf

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

# 将图像数据进行归一化
x_train, x_test = x_train / 255.0, x_test / 255.0

# 定义模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28, 28, 1)),
  tf.keras.layers.MaxPooling2D((2,2)),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.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[..., np.newaxis], y_train, epochs=5,
          validation_data=(x_test[..., np.newaxis], y_test))

这段代码使用了卷积神经网络对手写数字进行识别，模型在 MNIST 数据集上进行训练，使得模型能够对手写数字进行准确识别。