用python写一段识别手写数字的神经网络

可以使用Python中的TensorFlow或PyTorch等深度学习框架来实现手写数字识别神经网络。以下是一个使用TensorFlow实现的简单示例代码：

import tensorflow as tf
from tensorflow import keras

# 加载MNIST数据集
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# 数据预处理
train_images = train_images / 255.0
test_images = test_images / 255.0

# 定义模型
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    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(train_images, train_labels, epochs=5)

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

这个模型使用了一个包含两个全连接层的神经网络，输入是28x28的手写数字图像，输出是0-9的数字标签。在训练过程中，使用了MNIST数据集进行训练，最终得到了一个在测试集上准确率约为98%的模型。