用Python写一段深度学习代码

当然，这很容易。下面是一段使用 TensorFlow 实现的简单的深度学习代码，它构建了一个简单的多层感知器（MLP）模型并用 MNIST 数据集进行训练：

import tensorflow as tf

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255

model = tf.keras.Sequential([
    tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

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

model.fit(x_train, y_train, epochs=5)

test_loss, test_accuracy = model.evaluate(x_test, y_test, verbose=0)
print('Test accuracy:', test_accuracy)

这仅是一个示例代码，你可以根据需要调整模型的结构和训练参数。