最简单的CNN模型如何搭建

最简单的CNN模型可以通过以下步骤搭建：

1. 导入必要的库，如TensorFlow、Keras等。

2. 创建一个Sequential模型，它是一系列神经网络层的堆叠。

3. 添加卷积层(Conv2D)，这是CNN的核心层。卷积层可以学习图像中的特征。

4. 添加池化层(MaxPooling2D)，它可以缩小卷积层的输出，并减少计算量。

5. 添加Flatten层，将输出展平成一维向量。

6. 添加全连接层(Dense)，它将展平后的向量与输出层连接。

7. 添加输出层，根据具体问题的需要选择。

下面是一个简单的代码示例：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

model = Sequential()

model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))

model.summary()

这个模型包含一个卷积层，一个池化层，一个展平层和一个全连接层。输入数据的形状是28x28x1，输出是10个类别的概率分布。