33、应对数据分布外挑战：MNIST 数据集的模型训练与优化

应对数据分布外挑战：MNIST 数据集的模型训练与优化

1. 环境搭建

在处理 MNIST 数据集之前，我们需要进行一些基础的环境搭建工作。以下是所需的代码片段，它包含了导入设计和训练模型所需的 TF.Keras API、各种 Python 库，以及加载 TF.Keras API 中预构建的 MNIST 数据集：

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Flatten, Dense, Activation, ReLU
from tensorflow.keras.layers import MaxPooling2D, Conv2D, Dropout
import numpy as np
import random
import cv2
from tensorflow.keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

Keras 中的数据集是通用格式，为了将其用于训练 DNN 或 CNN，我们需要进行一些初始的数据准备工作：
- 像素数据归一化 ：像素数据（ x_train 和 x_test ）包含原始的 INT8 值（0 到 255），我们将像素数据归一化为 0 到 1 的 FLOAT32 类型。
- 数据重塑 ：图像数据