卷积神经网络模型代码

当然，我可以提供一个简单的卷积神经网络（Convolutional Neural Network，CNN）模型的代码示例。以下是一个使用Python和PyTorch库编写的基本CNN模型：

import torch
import torch.nn as nn

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        
        # 定义卷积层
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        self.relu1 = nn.ReLU()
        self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)
        
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
        self.relu2 = nn.ReLU()
        self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)
        
        # 定义全连接层
        self.fc1 = nn.Linear(32 * 8 * 8, 128)
        self.relu3 = nn.ReLU()
        self.fc2 = nn.Linear(128, 10)
        
    def forward(self, x):
        x = self.pool1(self.relu1(self.conv1(x)))
        x = self.pool2(self.relu2(self.conv2(x)))
        x = x.view(-1, 32 * 8 * 8)
        x = self.relu3(self.fc1(x))
        x = self.fc2(x)
        return x

# 创建CNN模型的实例
model = CNN()

这个示例中，我们定义了一个简单的CNN模型，包含两个卷积层和两个全连接层。每个卷积层都由卷积操作、ReLU激活函数和最大池化层组成。最后的全连接层用于分类任务。你可以根据具体的应用场景和数据集，调整模型的结构和超参数来满足你的需求。