用tensorflow2写一个卷积神经网络代码，输入是（10，30，2），输出为（1，4）

好的，以下是一个简单的卷积神经网络的代码，可以满足你的需求：

import tensorflow as tf

# 定义输入层
inputs = tf.keras.Input(shape=(10, 30, 2))

# 定义卷积层
conv1 = tf.keras.layers.Conv2D(filters=16, kernel_size=(3, 3), activation='relu')(inputs)
pool1 = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(conv1)

# 第二个卷积层
conv2 = tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu')(pool1)
pool2 = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(conv2)

# 扁平层
flatten = tf.keras.layers.Flatten()(pool2)

# 全连接层
dense1 = tf.keras.layers.Dense(units=64, activation='relu')(flatten)

# 输出层
outputs = tf.keras.layers.Dense(units=4, activation='softmax')(dense1)

# 定义模型
model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 打印模型结构
model.summary()

这个模型包含了两个卷积层和一个全连接层，输出层使用 softmax 激活函数，使得输出结果符合概率分布。其中，第一个卷积层使用 16 个 3x3 的卷积核，第二个卷积层使用 32 个 3x3 的卷积核。扁平层将卷积层的输出展开成一维向量，全连接层包含了 64 个神经元。最后输出一个 4 元素的向量，对应着 4 个类别。