卷积神经网络环境搭建代码

卷积神经网络（Convolutional Neural Network, CNN）是一种常用于图像识别、计算机视觉等领域的深度学习模型。在Python中，最常用的库是TensorFlow或PyTorch，下面是一个简单的例子，展示如何使用Keras（它是TensorFlow的一个高级API）来搭建一个基本的CNN。

首先，确保已经安装了所需的库：

pip install tensorflow keras numpy

然后，你可以创建一个简单的CNN模型：

import tensorflow as tf
from tensorflow.keras import layers

# 创建一个Sequential模型
model = tf.keras.Sequential()

# 添加卷积层（ Conv2D）、激活函数（ReLU）、池化层（MaxPooling2D）
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))  # 输入图片尺寸
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))

# 添加全连接层（Flatten），然后进行分类
model.add(layers.Flatten())
model.add(layers.Dense(128, activation='relu'))  # 输出层的节点数可根据需要调整
model.add(layers.Dense(10, activation='softmax'))  # 对应于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=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 简单说明：如果数据集不是预处理好的（大小一致，归一化等），可能还需要添加数据增强（ImageDataGenerator）或适配器

这个模型可以用来对输入的图片进行训练。