import?warnings

warnings.filterwarnings（‘ignore‘）
import?tensorflow?as?tf
from?tensorflow?import?keras
from?tensorflow.keras?import?layers?datasets?Sequential?optimizers?metrics

（x_train?y_train）?（x_test?y_test）?=?tf.keras.datasets.mnist.load_data（）


#?數據預處理
def?train_preprocess（x_train?y_train）:
????x_train?=?tf.cast（x?=?x_train?dtype?=?tf.float32）?/?255.
????y_train?=?tf.cast（x?=?y_train?dtype?=?tf.int32）
????y_train?=?tf.one_hot（indices?=?y_train?depth?=?10）

????return?x_train?y_train


def?test_preprocess（x_test?y_test）:
????x_test?=?tf.cast（x?=?x_test?dtype?=?tf.float32）?/?255.
????y_test?=?tf.cast（x?=?y_test?dtype?=?tf.int32）

????return?x_test?y_test


train_db?=?tf.data.Dataset.from_tensor_slices（tensors=（x_train?y_train））
train_db?=?train_db.map（map_func=train_preprocess）.shuffle（buffer_size=1000）.batch（batch_size=128）

test_db?=?tf.data.Dataset.from_tensor_slices（tensors=（x_test?y_test））
test_db?=?test_db.map（map_func=test_preprocess）.batch（batch_size=128）

#?建立網絡模型
model?=?tf.keras.Sequential（[
????tf.keras.layers.Dense（units=512?activation=tf.nn.relu）
????tf.keras.layers.Dense（units=256?activation=tf.nn.relu）
????tf.keras.layers.Dense（units=128?activation=tf.nn.relu）
????tf.keras.layers.Dense（units=32?activation=tf.nn.relu）
????tf.keras.layers.Dense（units=10）

]）
model.build（input_shape=[None?28?*?28]）
model.summary（）
optimizer?=?tf.keras.optimizers.Adam（learning_rate?=?1e-4）


def?main（）:
????for?epoch?in?range（100）:
????????for?step?（x_train?y_train）?in?enumerate（train_db）:
????????????x_train?=?tf.reshape（tensor?=?x_train?shape?=?[-1?28?*?28]）

????????????with?tf.GradientTape（）?as?tape:
????????????????logits?=?model（x_train）
????????????????loss?=?tf.losses.categorical_crossentropy（y_true?=?y_train?y_pr