039基于python-CNN的花卉识别小程序

import tensorflow as tf
 
# 加载数据集
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
 
# 对数据进行预处理
train_images = train_images / 255.0
test_images = test_images / 255.0
 
# 设计模型
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
    tf.keras.layers.Conv2D(64, kernel_size=(3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
    tf.keras.layers.Flatten(),
    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(train_images, train_labels, epochs=5)
 
# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

这段代码使用了TensorFlow库来实现一个简单的卷积神经网络（CNN）来识别MNIST数据集中的手写数字。代码展示了数据预处理、模型设计、模型编译和训练的完整流程，并在测试集上评估了模型的性能。