from tensorflow.examples.tutorials.mnist import input_data错误

如果出现了"from tensorflow.examples.tutorials.mnist import input_data"导入错误，一般是由于TensorFlow版本的问题。在TensorFlow 2.x版本中，`tensorflow.examples.tutorials.mnist`模块已经被弃用，需要使用新的方式来读取MNIST数据集。

以下是一个在TensorFlow 2.x版本中读取MNIST数据集的示例代码：

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

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

# 将数据集标准化和归一化
x_train, x_test = x_train / 255.0, x_test / 255.0

# 构建模型
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, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
model.evaluate(x_test, y_test, verbose=2)

在该示例代码中，使用`tensorflow.keras.datasets`模块中的`mnist`函数来读取MNIST数据集，然后进行标准化和归一化处理。使用Keras Sequential API构建神经网络模型，使用`compile`方法编译模型并指定优化器、损失函数和评估指标。使用`fit`方法训练模型并指定训练次数，在训练结束后使用`evaluate`方法评估模型性能。