用python写一个数字识别代码
时间: 2023-12-17 14:18:22 浏览: 30
好的,以下是一个使用 Python 和 TensorFlow 库实现数字识别的代码示例:
```python
import tensorflow as tf
from tensorflow import keras
import numpy as np
# 加载手写数字数据集
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 对数据进行归一化处理
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, activation='softmax')
])
# 编译模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(train_images, train_labels, epochs=5)
# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
# 进行预测
predictions = model.predict(test_images)
predicted_labels = np.argmax(predictions, axis=1)
```
这个示例代码使用了 MNIST 数据集,这是一个包含手写数字图像和相应标签的数据集。代码首先加载数据集,将训练图像和测试图像进行归一化处理,然后定义了一个简单的神经网络模型,使用训练数据对模型进行训练,最后对测试数据进行评估和预测。