import tensorflow as tf# 載入并準備好 MNIST 數據集。將樣本從整數轉換為浮點數 mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0# 將模型的各層堆疊起來，以搭建 tf.keras.Sequential 模型。為訓練選擇優化器和損失函數 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') ])# 訓練并驗證模型 model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test, verbose=2)

歡迎關注公眾號：算法工程師的學習日志

總結

以上是生活随笔為你收集整理的tensorflow2版本学习教程1-mnist数据集手写字体的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。