cnnpython代码
时间: 2023-08-29 15:10:33 浏览: 71
以下是一个简单的 CNN Python 代码示例:
```python
import tensorflow as tf
from tensorflow.keras import layers
# 定义模型
model = tf.keras.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
# 展平层
model.add(layers.Flatten())
# 全连接层
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 加载数据集
mnist = tf.keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 数据预处理
train_images = train_images.reshape((60000, 28, 28, 1))
train_images = train_images / 255.0
test_images = test_images.reshape((10000, 28, 28, 1))
test_images = test_images / 255.0
# 训练模型
model.fit(train_images, train_labels, epochs=5, validation_data=(test_images, test_labels))
```
在这个示例中,我们使用 TensorFlow 和 Keras 建立了一个简单的 CNN 模型,并使用 MNIST 数据集进行训练和测试。我们使用了三个卷积层和一个全连接层,并使用了 relu 激活函数和 softmax 输出层。我们还进行了数据预处理,将像素值归一化到 0 和 1 之间。最后,我们使用 fit() 方法来训练模型,并使用 validation_data 参数来评估模型在测试集上的表现。