来个tensorflow代码

好的，这里是一个简单的 TensorFlow 代码示例，用于训练一个简单的神经网络来对手写数字进行分类：

import tensorflow as tf
from tensorflow import keras

# 加载手写数字数据集
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# 数据预处理
train_images = train_images / 255.0
test_images = test_images / 255.0

# 定义模型
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(train_images, train_labels, epochs=10)

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

这个代码使用 TensorFlow 和 Keras 库来构建、编译和训练一个简单的神经网络模型，用于对手写数字进行分类。首先加载 MNIST 数据集并对数据进行预处理，然后定义一个包含两个密集层的神经网络，其中第一个层使用 ReLU 激活函数，第二个层是输出层，不使用激活函数。接着编译模型，并使用训练数据训练模型。最后，评估模型的性能并输出测试准确率。