用python写一个有三层卷积的代码

好的，以下是一个使用Python和TensorFlow库实现的三层卷积神经网络的代码示例：

import tensorflow as tf

# 构建模型
def conv_net(x, n_classes, dropout, reuse, is_training):
    with tf.variable_scope('ConvNet', reuse=reuse):
        # 卷积层1
        conv1 = tf.layers.conv2d(x, 32, 5, activation=tf.nn.relu)
        # 池化层1
        pool1 = tf.layers.max_pooling2d(conv1, 2, 2)
        # 卷积层2
        conv2 = tf.layers.conv2d(pool1, 64, 3, activation=tf.nn.relu)
        # 池化层2
        pool2 = tf.layers.max_pooling2d(conv2, 2, 2)
        # 卷积层3
        conv3 = tf.layers.conv2d(pool2, 128, 3, activation=tf.nn.relu)
        # 池化层3
        pool3 = tf.layers.max_pooling2d(conv3, 2, 2)

        # 全连接层
        fc1 = tf.contrib.layers.flatten(pool3)
        fc1 = tf.layers.dense(fc1, 1024)
        # dropout 防止过拟合
        fc1 = tf.layers.dropout(fc1, rate=dropout, training=is_training)

        # 输出层
        out = tf.layers.dense(fc1, n_classes)
        # softmax 激活函数
        out = tf.nn.softmax(out) if not is_training else out

    return out

该代码实现了一个具有三个卷积层和一个全连接层的卷积神经网络，其中每个卷积层后面都有一个最大池化层来降低维度。最后通过全连接层将卷积层的输出进行分类，使用softmax激活函数输出分类结果。同时，代码还包含了dropout层以防止过拟合。