CNN-LSTM模型代码

以下是一个简单的示例代码，展示了如何使用eras库来构建一个基本的CNN-LSTM模型：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, LSTM, Dense, Flatten

# 构建CNN-LSTM模型
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(LSTM(64))
model.add(Dense(1, activation='sigmoid'))

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

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 在测试集上评估模型
loss, accuracy = model.evaluate(X_test, y_test)
print('Test loss:', loss)
print('Test accuracy:', accuracy)

请注意，这只是一个简单的示例代码，实际使用中可能需要根据具体任务和数据进行调整和优化。同时，还需要准备好相应的训练数据和标签来进行模型训练和测试。