Python卷积神经网络代码示例

在Python中，我们可以使用深度学习库如TensorFlow或Keras来创建卷积神经网络(CNN)模型。这里是一个简单的例子，展示如何使用Keras库构建一个基本的CNN用于图像分类：

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

# 创建一个Sequential模型
model = Sequential()

# 添加卷积层
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3))) # 假设输入图片大小是64x64，有3通道(RGB)
model.add(MaxPooling2D(pool_size=(2, 2)))

# 可能添加更多卷积层和池化层...

# 将卷积部分连接到全连接层
model.add(Flatten()) # 展平卷积后的二维特征图
model.add(Dense(units=128, activation='relu'))
model.add(Dense(units=num_classes, activation='softmax')) # num_classes是类别数

# 编译模型，指定损失函数、优化器和评价指标
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 模型训练示例
model.fit(x_train, y_train, epochs=10, validation_data=(x_val, y_val))

# 使用模型预测
predictions = model.predict(x_test)