cnn回归预测的代码

下面是一个使用CNN进行回归预测的Python代码示例：

首先，导入必要的库和模块：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np

接下来，准备数据集。这里使用了一个简单的示例数据集，包含了一个二维的输入特征和一个一维的输出标签。

x_train = np.random.rand(100, 2)
y_train = np.sum(x_train, axis=1)

x_test = np.random.rand(10, 2)
y_test = np.sum(x_test, axis=1)

然后，构建CNN模型。这里使用了两层卷积层和两层全连接层。

model = keras.Sequential([
    layers.Reshape((2, 1), input_shape=(2, )),
    layers.Conv1D(32, 3, activation='relu'),
    layers.Conv1D(64, 3, activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(1)
])

接下来，编译模型并训练。

model.compile(optimizer='adam', loss='mse')
model.fit(x_train, y_train, epochs=100, batch_size=16, verbose=0)

最后，使用训练好的模型进行回归预测。

y_pred = model.predict(x_test)
print(y_pred)

这里的输出是一个包含10个预测值的一维数组。