python图片分类源代码

以下是使用Python进行图像分类的示例代码：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 导入数据集
mnist = tf.keras.datasets.mnist

# 加载数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 数据归一化
x_train, x_test = x_train / 255.0, x_test / 255.0

# 定义模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  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
history = model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))

# 测试模型
model.evaluate(x_test,  y_test, verbose=2)

这段代码使用了 TensorFlow 框架进行图像分类，使用的数据集是 MNIST 手写数字数据集。模型使用了一个包含两个 Dense 层的神经网络，其中第一个 Dense 层包含 128 个神经元，并使用了激活函数 relu 和 Dropout 正则化技术。第二个 Dense 层包含 10 个神经元，对应着数字 0-9。模型的训练过程使用了 Adam 优化器和 SparseCategoricalCrossentropy 损失函数。最后，模型在测试数据集上进行了测试并输出了准确率。