卷积神经网络是什么？

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，通常用于处理具有类似网格结构的数据，例如图像。CNN中最重要的层是卷积层，它可以通过卷积操作提取输入数据的特征。卷积层之后通常会跟着一个池化层，用于降低特征图的维度，减少计算量。全连接层则用于将卷积层和池化层的输出连接起来，最终输出分类结果。卷积神经网络在图像识别、自然语言处理等领域取得了很大的成功。

举个例子，以下是一个简单的卷积神经网络结构示例：

# 导入相关库
import tensorflow as tf

# 定义模型结构
model = tf.keras.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(train_images, train_labels, epochs=5)