cnn卷积神经网络天气识别代码
时间: 2024-05-06 08:13:00 浏览: 103
基于cnn卷积神经网络的天气预测模型内含数据集.zip
卷积神经(Convolutional Neural Network,CNN)是一种常用于图像识别和计算机视觉任务的深度学习模型。下面是一个简单的CNN天气识别代码示例:
```python
import tensorflow as tf
from tensorflow.keras import layers
# 创建CNN模型
model = tf.keras.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
# 添加全连接层
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 加载数据集并进行训练
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.cifar10.load_data()
train_images, test_images = train_images / 255.0, test_images / 255.0
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))
```
这段代码使用了TensorFlow和Keras库来构建和训练一个简单的CNN模型,用于对天气图像进行分类。模型包括多个卷积层和全连接层,使用ReLU作为激活函数,并使用Adam优化器进行模型训练。
阅读全文