请使用python 写一个CNN图像识别模型

好的，这里是使用 Python 写一个 CNN 图像识别模型的示例代码：

import tensorflow as tf

# 定义模型的输入
inputs = tf.keras.Input(shape=(28, 28, 1))

# 将输入传递给一个卷积层
x = tf.keras.layers.Conv2D(32, 3, activation='relu')(inputs)

# 在卷积层后添加池化层
x = tf.keras.layers.MaxPooling2D()(x)

# 将池化层的输出传递给另一个卷积层
x = tf.keras.layers.Conv2D(64, 3, activation='relu')(x)

# 再次添加池化层
x = tf.keras.layers.MaxPooling2D()(x)

# 将池化层的输出扁平化为一维向量
x = tf.keras.layers.Flatten()(x)

# 将向量传递给一个全连接层，输出为 10 个类别的概率分布
outputs = tf.keras.layers.Dense(10, activation='softmax')(x)

# 将输入和输出传递给模型，用于训练和预测
model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 打印模型的摘要
model.summary()

上述代码构建了一个简单的 CNN 模型，包含两个卷积层和两个池化层，最后一个全连接层输出 10 个类别的概率分布。

在训练模型之前，还需要使用 compile 函数配置训练过程，例如选择优化器和损失函数。例如