写一个识别3000张16*16图片大小的卷积神经网络，实现三分类问题，数据集和测试集分别占比百分之八十和百分之二十，并用测试集对训练模型做预测，看模型效果

非常感谢您的问题。对于您的问题，我建议您使用Python中的Keras库来实现卷积神经网络。您可以使用以下代码来构建您的模型：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(16, 16, 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(3, activation='softmax'))

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

这个模型有三个输出类别，使用softmax作为激活函数。您可以使用以下代码来训练您的模型：

model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

其中train_images和train_labels是训练集数据和标签，test_images和test_labels是测试集数据和标签。您可以使用以下代码来预测测试集数据：

test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

这将输出测试集的准确率。希望这可以帮助您实现您的卷积神经网络。