卷积神经网络（CNN）代码教程 🧠

欢迎学习卷积神经网络的基础知识！CNN 是深度学习中用于图像识别的利器，以下是代码实现的关键步骤：

1. 环境准备 🛠️

# 安装必要库
!pip install tensorflow numpy matplotlib

👉 点击此处了解 TensorFlow 环境配置细节

2. 数据加载 📁

使用 CIFAR-10 数据集示例：

from tensorflow.keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

3. 模型构建 🏗️

model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(32,32,3)),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10, activation='softmax')
])

4. 训练与评估 📈

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

5. 可视化结果 📊

使用 Matplotlib 展示预测结果：

import matplotlib.pyplot as plt
plt.imshow(x_test[0])
plt.show()

需要更多实战案例？👉 前往 CNN 图像分类实战教程