使用python写一个CNN算法
时间: 2024-01-27 12:06:15 浏览: 43
好的,下面是一个简单的CNN算法的Python代码:
```python
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。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)