CNN模型python代码

卷积神经网络（CNN）是一种深度学习模型，特别适用于图像识别、计算机视觉等领域。在Python中，我们可以使用深度学习库如TensorFlow或Keras来构建CNN。这里是一个简单的例子，展示如何使用Keras创建一个基本的CNN模型：

import tensorflow as tf
from tensorflow.keras import layers

# 定义CNN模型
def create_cnn_model(input_shape, num_classes):
    model = tf.keras.Sequential([
        layers.Conv2D(32, (3, 3), activation='relu', input_shape=input_shape),
        layers.MaxPooling2D((2, 2)),
        
        layers.Conv2D(64, (3, 3), activation='relu'),
        layers.MaxPooling2D((2, 2)),
        
        layers.Flatten(),  # 将二维数据展平成一维
        layers.Dense(128, activation='relu'),
        layers.Dropout(0.5),  # 防止过拟合
        layers.Dense(num_classes, activation='softmax')  # 输出层，num_classes代表类别数
    ])

    return model

# 使用模型
input_shape = (224, 224, 3)  # 假设输入图片尺寸
num_classes = 10  # 假设有10个类别
model = create_cnn_model(input_shape, num_classes)

# 编译模型
model.compile(optimizer='adam',
              loss=tf.keras.losses.CategoricalCrossentropy(),
              metrics=['accuracy'])

# 示例中的模型结构只作演示，实际应用中需要调整参数并训练模型