cnn代码

下面是一个简单的CNN模型的示例代码，用于对MNIST手写数字数据集进行分类：

import tensorflow as tf
from tensorflow.keras import layers

# 定义CNN模型结构
model = tf.keras.Sequential([
    layers.Conv2D(32, (3,3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3,3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3,3), activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

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

# 训练模型
model.fit(train_images, train_labels, epochs=5, 
          validation_data=(test_images, test_labels))

以上代码中，我们使用了TensorFlow的Keras API来定义CNN模型结构。该模型包括了三个卷积层和两个全连接层，其中使用了ReLU激活函数，最后一层使用了softmax激活函数来进行多分类。我们使用了Adam优化器和交叉熵损失函数，并在训练过程中计算了准确率作为评估指标。