Python搭建卷积网络

要使用Python搭建卷积神经网络（Convolutional Neural Network，CNN），需要使用一些常见的Python机器学习库，如TensorFlow、Keras或PyTorch。

下面是一个基本的Python代码示例，用于搭建一个简单的CNN：

import tensorflow as tf

# 定义模型结构
model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

在上面的代码中，我们使用TensorFlow和Keras来搭建一个简单的CNN。首先，我们定义了一个Sequential模型，然后向其中添加多个卷积层和池化层，其中Conv2D层和MaxPooling2D层用于提取图像的特征，Flatten层将图像展平为一维向量，最后使用Dense层输出分类结果。接着，我们使用compile方法编译模型，指定优化器、损失函数和评估指标。最后，我们使用fit方法对模型进行训练，指定训练数据、训练轮数和验证数据。

当然，这只是一个简单的例子，实际上搭建CNN需要更复杂的结构和更多的层。不过，这个例子可以作为一个起点，帮助你开始搭建自己的CNN。