使用python写一个CNN算法

好的，下面是一个简单的CNN算法的Python代码：

import tensorflow as tf

# 定义模型
model = tf.keras.models.Sequential([
    # 卷积层1
    tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)),
    # 池化层1
    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
    # 卷积层2
    tf.keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu'),
    # 池化层2
    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
    # 扁平化层
    tf.keras.layers.Flatten(),
    # 全连接层1
    tf.keras.layers.Dense(units=128, activation='relu'),
    # Dropout层
    tf.keras.layers.Dropout(rate=0.5),
    # 全连接层2
    tf.keras.layers.Dense(units=10, activation='softmax')
])

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

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

这是一个简单的CNN模型，包括两个卷积层、两个池化层、一个扁平化层、两个全连接层和一个Dropout层。其中，输入图像大小为28x28，通道数为1，输出类别数为10。在编译模型时，使用Adam优化器和交叉熵损失函数，同时评估模型的准确率。在训练模型时，使用训练集数据进行训练，训练轮数为10，同时使用测试集数据进行验证。