2、基于Keras的手写数字识别神经网络构建与优化

基于Keras的手写数字识别神经网络构建与优化

1. Keras基础代码示例

Keras的基本构建块是模型，最简单的模型是顺序模型（Sequential）。顺序Keras模型是神经网络层的线性管道（堆栈）。以下代码片段定义了一个具有12个人工神经元的单层，它期望有8个输入变量（也称为特征）：

from keras.models import Sequential
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer='random_uniform'))

每个神经元可以用特定的权重进行初始化。Keras提供了几种选择，最常见的如下：
| 初始化方法 | 描述 |
| — | — |
| random_uniform | 权重初始化为(-0.05, 0.05)范围内均匀随机的小值。 |
| random_normal | 权重根据高斯分布初始化，均值为0，标准差为0.05。 |
| zero | 所有权重初始化为0。 |

完整列表可在 https://keras.io/initializations/ 查看。

2. 多层感知器（MLP）

历史上，感知器是指具有单个线性层的模型，如果有多个层，则称为多层感知器（MLP）。一个典型的神经网络包含一个输入层、一个中间层和一个输出层。