import tensorflow as tf  
mnist = tf.keras.datasets.mnist  #下载mnist图像的数据  
  
(x_train, y_train),(x_test, y_test) = mnist.load_data() #划分训练集和测试集  
x_train, x_test = x_train / 255.0, x_test / 255.0   #归一化处理[0,1]  
  
#序贯（Sequential）模型  
model = tf.keras.Sequential([                          
  tf.keras.layers.Flatten(input_shape=[28,28]),          #展平图像数据  
  tf.keras.layers.Dense(512, activation=tf.nn.relu),     #全连接层512列  
  tf.keras.layers.Dropout(0.2),                          #需要断开的神经元的比例  
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)    #全连接层10列  
])  
model.compile(optimizer='adam',                          #优化器  
              loss='sparse_categorical_crossentropy',    #损失函数交叉熵  
              metrics=['accuracy'])                      #评价指标列表  
  
model.fit(x_train, y_train, epochs=5,batch_size=50)      #fit开始训练迭代5轮  
model.evaluate(x_test, y_test)                           #对测试集进行测试