python写一个基于神经网络ann模型的手写体数字识别代码

下面是一个使用python写的基于神经网络（ANN）模型的手写体数字识别代码：

import numpy as np
import sklearn
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier

# 加载手写体数字数据集
digits = load_digits()
X, y = digits.data, digits.target

# 数据集划分为训练集和测试集（80%训练集，20%测试集）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建ANN模型，并设置参数
model = MLPClassifier(hidden_layer_sizes=(256,), activation='relu', solver='adam', max_iter=1000)

# 训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = np.mean(y_pred == y_test)
print("准确率：", accuracy)

在代码中，首先我们通过`load_digits()`函数加载了一个手写体数字数据集，其中包含一些手写体数字图像数据和对应的标签。然后我们将数据集分为训练集和测试集，其中80%的数据用于训练模型，20%的数据用于模型的测试。接下来，我们创建了一个包含一个隐藏层（256个神经元）的ANN模型。使用`fit()`函数对模型进行训练，并使用`predict()`函数对测试集进行预测。最后，我们计算预测结果的准确率并输出。

这段代码演示了一个简单的手写体数字识别的ANN模型，可以用于识别手写数字的图像。