TensorFlow CNN 深度学习教程

深度学习是人工智能领域的核心，而卷积神经网络（CNN）在图像识别、图像处理等领域有着广泛的应用。本教程将介绍如何使用 TensorFlow 构建 CNN。

基础概念

卷积神经网络（CNN）：一种特殊的人工神经网络，擅长于图像识别和图像处理。
TensorFlow：一个开源的深度学习框架，由 Google 工程师开发。

安装 TensorFlow

pip install tensorflow

实例教程

以下是一个简单的 TensorFlow CNN 模型示例，用于识别猫和狗的图片：

import tensorflow as tf

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

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

# 训练模型
model.fit(train_images, train_labels, epochs=10)

# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)

扩展阅读

想要深入了解 TensorFlow 和 CNN？可以参考以下资源：