python cnn函数

以下是在 Python 中实现卷积神经网络的示例代码：

import tensorflow as tf

# 定义输入层
inputs = tf.keras.Input(shape=(28, 28, 1))

# 定义卷积层和池化层
x = tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu')(inputs)
x = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(x)

# 添加更多的卷积层和池化层
x = tf.keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu')(x)
x = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(x)

# 添加全连接层和输出层
x = tf.keras.layers.Flatten()(x)
x = tf.keras.layers.Dense(units=128, activation='relu')(x)
outputs = tf.keras.layers.Dense(units=10, activation='softmax')(x)

# 定义模型
model = tf.keras.Model(inputs=inputs, outputs=outputs)

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

以上代码中，我们使用了 TensorFlow 的 Keras API 来构建卷积神经网络模型。首先，我们定义了输入层，然后添加了两个卷积层和池化层，接着添加了一个全连接层和输出层，最后定义了整个模型。在编译模型时，我们选择了 Adam 优化器和交叉熵损失函数，并指定了模型在训练和测试中的评估指标为准确率。