Для создания сверточной нейронной сети на Python можно использовать библиотеку TensorFlow. Начнем с импорта необходимых модулей:
```python
import tensorflow as tf
from tensorflow.keras import layers, models
```
Затем определим архитектуру нейронной сети. Например, создадим простую двухслойную сверточную сеть:
```python
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.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
```
Следующим шагом будет компиляция модели с использованием оптимизатора, функции потерь и метрик, и обучение модели на обучающем наборе данных:
```python
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5)
```
Для оценки качества модели можно использовать тестовый набор данных и метод evaluate:
```python
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
```
Теперь у вас есть готовая сверточная нейронная сеть на Python, которую можно использовать для классификации изображений или других задач машинного обучения.