cifar10图像分类tensorflow

好的，下面是一个基于 TensorFlow 的 CIFAR-10 图像分类的示例代码：

import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten
from tensorflow.keras.models import Sequential

# 加载数据集
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# 将像素值归一化到 0~1 之间
x_train, x_test = x_train / 255.0, x_test / 255.0

# 定义模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    Flatten(),
    Dense(64, activation='relu'),
    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=10, validation_data=(x_test, y_test))

# 评估模型
model.evaluate(x_test, y_test)

上述代码中，我们首先从 Keras 中加载 CIFAR-10 数据集，然后将像素值归一化到 0~1 之间。接着我们定义了一个包含三个卷积层和两个全连接层的神经网络模型，并使用 Adam 优化算法和交叉熵损失函数进行训练。最后，我们使用测试集对模型进行评估。

希望这个示例代码对你有所帮助。