cnn卷积神经网络 python代码

卷积神经网络（Convolutional Neural Network，CNN）是一种常用于图像识别、计算机视觉任务的深度学习模型。其核心是卷积层，通过滑动窗口的方式提取局部特征。在Python中，可以使用深度学习库如TensorFlow或PyTorch来实现CNN。下面是一个简单的例子，展示如何使用Keras库（它是TensorFlow的一个高级API）创建一个基本的CNN模型：

# 导入所需的库
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)))  # 假设输入图片大小是64x64，有3通道（RGB）
model.add(MaxPooling2D(pool_size=(2, 2)))

# 可以添加更多卷积层和池化层
# ...

# 展平层，将二维数据展平成一维以便于全连接层处理
model.add(Flatten())

# 添加全连接层进行分类
model.add(Dense(units=128, activation='relu'))
model.add(Dense(units=num_classes, activation='softmax'))  # num_classes是你有多少类别

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

# 简单说明：模型编译后就可以训练了
# model.fit(x_train, y_train, epochs=10, validation_data=(x_val, y_val))