帮我写一段训练CNN的代码

当然可以，以下是一个简单的CNN训练代码：

import tensorflow as tf
from tensorflow.keras import layers

# 加载数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 数据预处理
x_train = x_train.reshape(-1, 28, 28, 1).astype("float32") / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype("float32") / 255.0

# 构建模型
model = tf.keras.Sequential(
    [
        layers.Conv2D(32, (3, 3), activation="relu", input_shape=(28, 28, 1)),
        layers.MaxPooling2D((2, 2)),
        layers.Conv2D(64, (3, 3), activation="relu"),
        layers.MaxPooling2D((2, 2)),
        layers.Flatten(),
        layers.Dense(10, activation="softmax"),
    ]
)

# 编译模型
model.compile(
    optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"]
)

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

这是一个简单的CNN模型，用于对MNIST手写数字数据集进行分类。模型包含两个卷积层和两个池化层，最后通过一个全连接层输出分类结果。在训练过程中，使用了Adam优化器和交叉熵损失函数。