CNN的Python代码实现
时间: 2023-08-14 11:10:26 浏览: 105
下面是一个简单的CNN的Python代码实现示例,使用Keras库:
```
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
# 定义CNN模型
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(train_images, train_labels, epochs=5, validation_data=(test_images, test_labels))
```
该代码实现了一个简单的CNN模型,包含两个卷积层和一个全连接层。其中,第一个卷积层使用32个大小为3x3的滤波器,第二个卷积层使用64个大小为3x3的滤波器。模型通过最大池化层和ReLU激活函数进行特征提取,最后使用Softmax激活函数进行分类。