基于深度学习的手写字体的识别的python代码

以下是基于深度学习的手写字体识别的 Python 代码示例：

import tensorflow as tf
from tensorflow.keras.datasets import mnist

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

# 数据预处理
x_train = x_train / 255.0
x_test = 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
model.fit(x_train, y_train, epochs=10)

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

# 预测手写数字
predictions = model.predict(x_test)
print(predictions[0])

这段代码使用了 TensorFlow 框架，首先加载 MNIST 数据集，然后对数据进行预处理。接着定义了一个简单的模型，包括一个扁平层、一个全连接层和一个输出层。然后编译模型并训练它，最后评估模型并做出预测。