给我一份卷积神经网络python的代码

卷积神经网络（Convolutional Neural Network, CNN）是深度学习中常用的一种模型，特别适用于处理具有网格结构的数据，如图像和视频。在Python中，我们可以使用深度学习库如TensorFlow或PyTorch来实现CNN。这里是一个简单的例子，展示如何使用Keras库（它是TensorFlow的高级接口）来构建一个基本的卷积神经网络：

# 导入必要的库
from tensorflow.keras import layers
from tensorflow.keras.models import Sequential

# 创建一个Sequential模型
model = Sequential()

# 添加卷积层
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))  # 假设输入图片是64x64 RGB图像
model.add(layers.MaxPooling2D((2, 2)))  # 降采样

# 添加更多的卷积层和池化层
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))

# 添加全连接层
model.add(layers.Flatten())  # 展平卷积后的数据
model.add(layers.Dense(64, activation='relu'))  # 全连接层
model.add(layers.Dropout(0.5))  # 防止过拟合
model.add(layers.Dense(num_classes, activation='softmax'))  # 输出层，num_classes是类别数量

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

# 可选：模型可视化
model.summary()