CNN回归模型，python代码

下面是一个简单的CNN回归模型的Python代码示例：

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 准备数据
x_train = np.random.rand(100, 32, 32, 3)  # 训练集数据，100张32x32的彩色图片
y_train = np.random.rand(100, 1)  # 训练集标签，100个标量

# 构建模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(64, activation='relu'),
    Dense(1)  # 输出层为一个神经元，因为是回归问题
])

# 编译模型
model.compile(optimizer='adam', loss='mse')

# 训练模型
model.fit(x_train, y_train, epochs=10, batch_size=16)

# 使用模型进行预测
x_test = np.random.rand(10, 32, 32, 3)  # 测试集数据
y_pred = model.predict(x_test)  # 预测结果

这个模型包括两个卷积层和两个池化层，然后是一个全连接层和一个输出层。损失函数为均方误差，优化器为Adam。在训练集上训练了10个epoch后，使用模型对10张随机生成的测试集图片进行预测，得到预测结果。