jupyter notebool搭建卷积神经网络代码

下面是一个简单的卷积神经网络的代码示例：

import tensorflow as tf
from tensorflow.keras.datasets import mnist

# 加载数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 数据预处理
x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

# 定义模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10, activation='softmax')
])

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

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

这个代码演示了如何在 Jupyter Notebook 中使用 TensorFlow 建立一个简单的卷积神经网络。首先加载 MNIST 数据集，并对数据进行预处理。然后使用 `tf.keras` 的顺序模型 API 定义模型，包括一个卷积层、一个池化层和一个全连接层。最后编译模型并训练。在训练期间，模型将在训练集和验证集上计算准确率。