YB菜菜的机器学习自学之路（八）——基于keras的初级深度学习框架

前提说明

（1）网址https://playground.tensorflow.org是著名的rensorflow游乐场，其提供了一些典型数据，并通过“+”，“-”号搭建神经网络搭建模型，用可视化图输出结果，观察最后的学习结果。
（2）通常隐藏层超过三层的学习网络被称为深度神经网络。
（3）MNIST数据集是从NIST的两个手写数字数据集，我们以mnist为对象，搭建基于keras的深度学习网络来进行测试
（4）不知道为什么，我能运行成像 但是有三个红色"警告"?, 假如有哪位大神，不小心看到我整理的比较粗糙的笔记，并且愿意指导萌新，麻烦指导一下，谢谢。

1. 训练集和测试集

训练集： 我们在训练时使用的数据集称为训练集，我们希望在训练集上的准确率很高，这意味模型拟合效果很好。
测试集： 在训练集之外的新的数据，这些数据称为测试集。当模型训练好后我们会拿一些新的数据来测试模型，观察他的好坏，我们希望在测试集上的准确率也很高。测试集高就证明该模型的泛化能力强，这也是我们希望的。

欠拟合： 训练集准确度低，比如用一个很简单的神经元模型去拟合复杂数据。
过拟合： 测试集准确度高，测试集准确低。 用过分复杂的模型去拟合简单的数据。

2. mnist数据集简单介绍

由于MNIST数据集非常著名，所以已经有许多深度学习框架已经内置了mnist数据集并且有相关的函数直接读取并划分数据集。
在keras框架中，我们可以通过代码调用和观察：

from keras.datasets import mnist
# 导入mnist中的训练集和测试集
(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
# mnist的数据格式，类比matlab中的size
print("X_train.shape:"+str(X_train.shape))
print("Y_train.shape:"+str(Y_train.shape))
print