python图像四分类代码

当涉及图像分类时，使用卷积神经网络（Convolutional Neural Network，CNN）是一种常见的方法。以下是一个示例代码，用于在Python中使用CNN进行图像四分类。

import tensorflow as tf
from tensorflow.keras import layers, models

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.cifar10.load_data()

# 对数据进行预处理
train_images = train_images.astype('float32') / 255.0
test_images = test_images.astype('float32') / 255.0

# 构建模型
model = models.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'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(4, activation='softmax'))

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

# 训练模型
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

# 评估模型
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

这段代码使用了TensorFlow和Keras库来构建和训练CNN模型。你需要准备一个图像数据集，并将其分为训练集和测试集。这里使用了CIFAR-10数据集作为示例。

模型包括几个卷积层和全连接层，最后使用softmax激活函数进行分类。训练过程中使用了Adam优化器和交叉熵损失函数。

你可以根据自己的数据集和需求进行修改和调整。希望这能帮助到你！