Escreva um trecho de código usando TensorFlow ou PyTorch para definir uma arquitectura básica de CNN para classificação de veículos.

exercicio3.py

import tensorflow as tf
from tensorflow.keras import layers, models

# Definir a arquitetura da CNN
def criar_modelo_cnn():
    modelo = models.Sequential()

    # Primeira camada convolucional
    modelo.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3)))  # Exemplo de imagem de 224x224x3
    modelo.add(layers.MaxPooling2D((2, 2)))

    # Segunda camada convolucional
    modelo.add(layers.Conv2D(64, (3, 3), activation='relu'))
    modelo.add(layers.MaxPooling2D((2, 2)))

    # Terceira camada convolucional
    modelo.add(layers.Conv2D(128, (3, 3), activation='relu'))
    modelo.add(layers.MaxPooling2D((2, 2)))

    # Achatar a saída para a camada densa
    modelo.add(layers.Flatten())

    # Camada densa totalmente conectada
    modelo.add(layers.Dense(128, activation='relu'))

    # Camada de saída
    modelo.add(layers.Dense(10, activation='softmax'))  # Assume-se 10 classes de veículos

    # Compilar o modelo
    modelo.compile(optimizer='adam', 
                   loss='sparse_categorical_crossentropy', 
                   metrics=['accuracy'])

    return modelo

# Criar o modelo
modelo = criar_modelo_cnn()

# Resumo da arquitetura
modelo.summary()