tensorflow 图像分类代码

好的，以下是一个简单的使用 TensorFlow 进行图像分类的代码示例：

import tensorflow as tf
from tensorflow import keras

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

# 对数据集进行预处理
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=10)

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

以上代码使用 MNIST 数据集进行训练和测试，首先将数据集加载进来，然后对数据集进行预处理，接着定义一个包含两个全连接层的神经网络模型，使用 `compile` 函数对模型进行编译，指定优化器、损失函数和评估指标，然后使用 `fit` 函数对模型进行训练，最后使用 `evaluate` 函数在测试集上评估模型的性能。