在Python中构建一个卷积神经网络(Convolutional Neural Network, CNN)用于CIFAR-10数据分类,通常会使用深度学习框架,例如TensorFlow或Keras。这里我会展示一个基于Keras的例子,因为它的语法简洁易懂。
首先,确保安装了必要的库:
```
pip install tensorflow numpy keras
```
然后,你可以按照以下步骤创建CNN模型:
```python
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
# 加载CIFAR-10数据集
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
# 数据预处理
train_images, test_images = train_images / 255.0, test_images / 255.0 # 归一化
# 创建模型
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))) # 卷积层
model.add(layers.MaxPooling2D((2, 2))) # 池化层
model.add(layers.Conv2D(64, (3, 3), activation='relu')) # 再次卷积
model.add(layers.MaxPooling2D((2, 2)))
# 添加全连接层进行特征提取和分类
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax')) # 输出层,10个类别
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 训练模型
history = model.fit(train_images, train_labels, epochs=10,
validation_data=(test_images, test_labels))
# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print('Test accuracy:', test_acc)
# 如果你想保存模型
model.save('cifar10_cnn.h5')
```