CNN卷积神经网络代码

CNN（Convolutional Neural Network，卷积神经网络）是一种深度学习模型，特别适用于处理图像和视频数据。在Python中，最常用的库如TensorFlow和PyTorch都提供了方便的API来构建CNN。

这里是一个简单的例子，使用Keras库（它基于TensorFlow）创建一个基础的卷积神经网络：

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

# 创建一个Sequential模型
model = Sequential()

# 添加卷积层（convolutional layer）
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))  # 输入图片大小为64x64，RGB颜色通道
model.add(MaxPooling2D((2, 2)))  # 池化层降低特征图尺寸

# 可能添加更多的卷积层和池化层...

# 展平并连接全连接层
model.add(Flatten())
model.add(Dense(128, activation='relu'))  # 输出层前的隐藏层
model.add(Dense(num_classes, activation='softmax'))  # num_classes是你分类的数量，例如10个类别

# 编译模型，指定优化器、损失函数和评价指标
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 简单展示模型结构
model.summary()