tensorflow卷积神经网络简单代码

当然，我可以为你提供一个简单的 TensorFlow 卷积神经网络的代码示例。以下是一个基本的卷积神经网络用于图像分类的模型：

import tensorflow as tf

# 获取数据集并进行预处理
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
train_images = train_images.reshape((-1, 28, 28, 1)) / 255.0
test_images = test_images.reshape((-1, 28, 28, 1)) / 255.0

# 构建模型
model = tf.keras.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(64, activation='relu'),
    tf.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(train_images, train_labels, epochs=5, validation_data=(test_images, test_labels))

# 评估模型
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

这段代码使用了 MNIST 数据集进行训练和测试，构建了一个简单的卷积神经网络模型。请确保已安装 TensorFlow 库，并将代码保存在以 `.py` 结尾的文件中，然后运行即可。