tensorflow2.0实现mnist

以下是使用TensorFlow 2.0实现MNIST分类的示例代码：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 导入数据
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 数据预处理
x_train = x_train.reshape(-1, 28, 28, 1) / 255.0
x_test = x_test.reshape(-1, 28, 28, 1) / 255.0

# 构建模型
model = keras.Sequential([
    layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D(pool_size=(2, 2)),
    layers.Flatten(),
    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, validation_data=(x_test, y_test))

# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print('Test accuracy:', test_acc)

该示例代码中，首先导入MNIST数据集，然后对数据进行预处理，接着构建了一个包含一个卷积层、一个池化层、一个展平层和一个输出层的模型。最后编译模型并训练，最终评估模型的准确率。