卷积神经网络CNN完整代码

卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，主要用于图像处理和计算机视觉任务。由于篇幅限制，我将给出一个简单的Python（使用Keras库）实现CNN的高层次概述，并提供关键部分的代码。完整的CNN代码通常会包含数据预处理、模型定义、编译、训练和评估等步骤。

**1. 导入所需的库：**

import tensorflow as tf
from tensorflow.keras import layers

**2. 数据预处理：**（假设你已经有了数据集并已划分成训练集和验证集）

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train / 255.0
x_test = x_test / 255.0
x_train = x_train.reshape(-1, 28, 28, 1)
x_test = x_test.reshape(-1, 28, 28, 1)

**3. 定义CNN模型：**

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.Flatten(),  # 展平二维数组为一维
    layers.Dense(128, activation='relu'),
    layers.Dropout(0.5),  # 防止过拟合
    layers.Dense(10, activation='softmax')  # 输出层，10个类别
])

**4. 编译模型：**

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

**5. 训练模型：**

history = model.fit(x_train, y_train, epochs=10,
                    validation_data=(x_test, y_test))

**6. 评估模型：**

test_loss, test_acc = model.evaluate(x_test,  y_test, verbose=2)
print(f"Test accuracy: {test_acc}")