给我一段ai图像识别的python代码实例

好的，以下是一个简单的 Python 代码实例，用于使用 TensorFlow 进行图像识别：

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

# 加载数据
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 归一化数据
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)
])

# 编译模型
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
model.compile(optimizer='adam', loss=loss_fn, 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)

# 预测结果
probability_model = tf.keras.Sequential([model, tf.keras.layers.Softmax()])
predictions = probability_model.predict(x_test)

# 显示结果
idx = np.random.randint(0, x_test.shape[0])
plt.imshow(x_test[idx], cmap='gray')
plt.title("Label: %s, Prediction: %s" % (y_test[idx], np.argmax(predictions[idx])))
plt.show()

这个代码实例使用了 MNIST 数据集，它包含了一系列手写数字的图像。我们使用 TensorFlow 构建了一个神经网络模型，对这些图像进行分类。在训练模型后，我们使用模型对测试集中的图像进行预测，并将预测结果与真实结果进行比较。最后，我们随机显示一个测试图像，并展示该图像的真实标签和模型预测的标签。