给定每一个传感器的二维坐标，坐标系的大小为100*100，以及每一个传感器的粉尘浓度，传感器数量为20，每一个传感器仅代表传感器所在那个点的浓度，随机生成传感器位置与浓度，利用CNN模型对整个坐标系内的坐标进行预测，最后输出每一个点的计算的粉尘浓度，并且绘制图像

这是一个非常有趣的问题！为了解决这个问题，我们可以使用卷积神经网络（CNN）来对整个坐标系内的坐标进行预测。具体来说，我们可以将每个传感器的坐标和浓度作为输入，然后使用CNN模型对整个坐标系进行预测。最后，我们可以输出每个点的计算粉尘浓度，并绘制图像来可视化结果。

在实现这个模型之前，我们需要准备一些数据。我们可以使用Python中的NumPy库来生成随机传感器位置和浓度。然后，我们可以使用Matplotlib库来绘制图像。

接下来，我们可以使用Keras库来实现CNN模型。我们可以使用一个简单的模型，包含几个卷积层和池化层，以及一些全连接层。我们可以使用ReLU作为激活函数，并使用Dropout来防止过拟合。

最后，我们可以使用训练好的模型来对整个坐标系进行预测，并输出每个点的计算粉尘浓度。我们可以使用Matplotlib库来绘制预测结果的图像。

总之，这是一个非常有趣的问题，我们可以使用CNN模型来解决它。希望这个回答能够帮助你！