训练MNIST数据集代码

好的，我可以帮助你训练 MNIST 数据集。MNIST 数据集是一个手写数字图像数据集，常用来作为机器学习算法的练手数据。

下面是一个基于 TensorFlow 2.0 的代码示例，可以帮助你训练一个模型来识别手写数字：

import tensorflow as tf

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

# 对数据进行预处理
x_train, x_test = x_train / 255.0, x_test / 255.0

# 创建模型
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, 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
model.evaluate(x_test, y_test, verbose=2)

在这个代码中，我们使用了 TensorFlow 的 Keras API 来创建一个简单的神经网络模型。首先，我们使用 `Flatten` 层将输入的 28x28 像素图像展开成一维向量。然后，我们使用两个 `Dense` 层分别构建了一个具有 128 个单元的隐藏层和一个输出层，输出层的单元数量对应了我们要分类的