卷积神经网络python代码实例

卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，特别适合处理图像、视频等数据。Python语言常用于深度学习的实现，如TensorFlow和Keras库就提供了丰富的API来构建CNN。下面是一个简单的使用Keras库创建CNN的例子：

import tensorflow as tf
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
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))  # 假设输入图片尺寸为64x64，有3通道（RGB）

# 添加池化层
model.add(MaxPooling2D(pool_size=(2, 2)))

# 可以添加更多的卷积层和池化层...

# 将卷积层转换为一维向量以便于全连接层处理
model.add(Flatten())

# 添加全连接层（Dense层）
model.add(Dense(units=128, activation='relu'))

# 输出层，假设我们有10个类别
model.add(Dense(units=10, activation='softmax')) 

# 编译模型，指定损失函数、优化器和评估指标
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 这只是一个基本模板，实际应用中可能需要更复杂的结构，并且需要训练数据集来fit模型