实验部分使用Tensorflow构件一个CNN卷积神经网络，来实现对车辆特征进行识别的目的,并进行多次测试验证所使用算法的高效性。主要工作主要对图像数据集进行预处理，以便于卷积神经网络可以更好的学习到有意义的特征。然后设计一个卷积神经网络结构，包含多个卷积层，池化层和全连接层，以及激活函数和正则化等组件，以便于实现车辆特征的提取和识别。然后使用准备好的数据集，采用梯度下降优化算法来训练卷积神经网络模型，不断调整模型参数，使得模型能够取得最好的提取效果。然后通过训练好的模型进行测试，收集算法在数据集上的表现，验证卷积神经网络在车辆识别任务中的有效性。