CNN预测模型的python代码
时间: 2024-05-26 21:07:45 浏览: 16
CNN是卷积神经网络,是一种常用的深度学习模型。在Python中,可以使用Keras等深度学习框架来构建CNN模型。以下是一个简单的CNN预测模型的Python代码示例:
```
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
# 定义模型
model = Sequential()
# 添加卷积层和池化层
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 添加卷积层和池化层
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 添加平铺层和全连接层
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=10, batch_size=32)
# 评估模型
score = model.evaluate(x_test, y_test, batch_size=32)
print("Accuracy: %.2f%%" % (score[1]*100))
```
这个示例中,我们使用了Keras框架构建了一个简单的CNN模型,其中包括了两个卷积层和池化层、一个平铺层和两个全连接层。我们使用MNIST手写数字数据集进行训练和测试。在训练过程中,我们使用Adam优化器和交叉熵损失函数,同时记录了准确率作为评估指标。最终,我们通过调用`evaluate`函数来评估模型的准确率。