用python写个卷积神经网络例子_python建构卷积

作者：我家自动化 | 2024-07-01 12:03:12

踩

python建构卷积

好的，以下是一个简单的卷积神经网络（Convolutional Neural Network，CNN）的例子，用于图像分类任务。

python复制代码

	`import numpy as np`
	`import tensorflow as tf`
	`from tensorflow.keras import layers, models`

	`# 加载数据集`
	`(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()`

	`# 对数据进行归一化处理`
	`train_images = train_images / 255.0`
	`test_images = test_images / 255.0`

	`# 构建卷积神经网络模型`
	`model = models.Sequential()`
	`model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))`
	`model.add(layers.MaxPooling2D((2, 2)))`
	`model.add(layers.Conv2D(64, (3, 3), activation='relu'))`
	`model.add(layers.MaxPooling2D((2, 2)))`
	`model.add(layers.Conv2D(64, (3, 3), activation='relu'))`
	`model.add(layers.Flatten())`
	`model.add(layers.Dense(64, activation='relu'))`
	`model.add(layers.Dense(10))`

	`# 编译模型，设置损失函数、优化器和评估指标`
	`model.compile(optimizer='adam',`
	`loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),`
	`metrics=['accuracy'])`

	`# 训练模型`
	`model.fit(train_images, train_labels, epochs=5)`

	`# 评估模型在测试集上的表现`
	`test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)`
	`print('\nTest accuracy:', test_acc)`

这个例子使用了MNIST数据集，一个手写数字识别数据集。首先，我们加载数据集并对图像数据进行归一化处理。然后，我们构建了一个包含三个卷积层、两个池化层和两个全连接层的卷积神经网络模型。最后，我们编译模型、训练模型并在测试集上评估模型的性能。

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】