卷积神经网络对图片分类预测代码

以下是一个简单的卷积神经网络对MNIST手写数字数据集进行分类的预测代码：

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

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

# 数据预处理
x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
x_train = x_train / 255.0
x_test = x_test / 255.0

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(64, activation='relu'),
    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
test_loss, test_acc = model.evaluate(x_test, y_test)
print('Test accuracy:', test_acc)

# 进行预测
predictions = model.predict(x_test)

在这个代码中，首先加载了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Flatten层、一个全连接层和一个Softmax层的卷积神经网络模型。然后编译模型，使用训练集进行训练，评估模型的准确率，并使用测试集进行预测。