卷积神经网络搭建代码

以下是一个简单的卷积神经网络搭建的代码示例：

import tensorflow as tf

# 定义卷积神经网络模型
def cnn_model():
    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(64, activation='relu'),
        tf.keras.layers.Dense(10, activation='softmax')
    ])
    return model

# 创建模型实例
model = cnn_model()

# 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=10)

# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

这段代码使用了TensorFlow库来构建一个简单的卷积神经网络模型。模型包含两个卷积层和池化层，以及全连接层和输出层。通过编译模型、训练模型和评估模型的步骤，可以完成卷积神经网络的搭建和训练。