用python写一个手写数字识别代码

好的，下面是一个基于Python和TensorFlow的手写数字识别代码示例：

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

# 导入MNIST数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 数据预处理
x_train, x_test = x_train / 255.0, x_test / 255.0

# 定义模型
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
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 训练模型
history = model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))

# 评估模型
model.evaluate(x_test, y_test, verbose=2)

# 预测样本
predictions = model.predict(x_test)

# 显示结果
for i in range(10):
  plt.imshow(x_test[i], cmap=plt.cm.binary)
  plt.show()
  print("预测结果为:", np.argmax(predictions[i]))

这个代码首先导入MNIST数据集，然后对训练数据和测试数据进行了预处理，接着定义了一个包含两个全连接层的神经网络模型，并使用Adam优化器和交叉熵损失函数进行编译。然后使用训练数据训练模型并对测试数据进行评估，最后利用模型对测试数据进行了预测，并输出了预测结果。