卷积神经网络（CNN）模型python示例

好的，下面是一个基本的卷积神经网络（CNN）模型的 Python 示例：

import tensorflow as tf

# 加载数据
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# 定义模型
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.Conv2D(64, (3, 3), activation='relu'),
  tf.keras.layers.MaxPooling2D((2, 2)),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

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

# 训练和评估模型
model.fit(x_train.reshape(-1, 28, 28, 1), y_train, epochs=5)
model.evaluate(x_test.reshape(-1, 28, 28, 1), y_test)

这个模型使用了两个卷积层和两个最大池化层，然后使用全连接层和 Dropout 层进行分类。我们使用 MNIST 数据集进行训练和评估。