cnn卷积神经网络图片分类代码

CNN（Convolutional Neural Network，卷积神经网络）在图像分类任务中的应用非常广泛。这里简述一下基本的Python代码结构，通常使用深度学习库如TensorFlow或PyTorch来实现。

首先，需要安装必要的库：

pip install tensorflow numpy pillow

然后，我们可以用Keras（基于TensorFlow或PyTorch的高级API）来编写一个简单的卷积神经网络模型：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 定义模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(img_height, img_width, 3)), # 输入层，假设img_height和img_width是图片尺寸
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Conv2D(128, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Flatten(),  # 将二维特征展平成一维
    Dense(128, activation='relu'),  # 全连接层
    Dense(num_classes, activation='softmax')  # 输出层，num_classes是类别数，激活函数通常是softmax用于多分类
])

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

# 训练模型（假设有train_data和train_labels）
model.fit(train_data, train_labels, epochs=epochs, validation_split=0.2)

# 测试模型
test_loss, test_acc = model.evaluate(test_data, test_labels)