简单CNN实现手写数字识别

使用简单的Keras 的序贯模型
大的逻辑结构：model = Sequential() -->model.add() -->model.compile()–>model.fit()–>model.evaluate()

model = Sequtntial()没啥好说的了

model.add():
Conv2D()–>MaxPooling2D()–>Dropout() -->Flatten()–>Dense()

Conv2D():
卷积核数目，kernel_size,activation,input_shape(第一层要）
32，（3,3），‘relu’,input_shape(大段代码： ‘mnist.npz’ (到这步之前以后也要拓展)–>load进来–>reshape–>astype–> /=255–>keras.utils.to_categorical–>得到最终的(x_train, y_train), (x_test, y_test)）
input_shape = (img_rows,img_cols,1) if ‘channels last’ (图像的行数，图像的列数，图像的通道数）

**总结：**activation = ‘softmax’ 只用于最后一层全连接层，卷积层一般用relu
送入全连接层之前要加一层Flatten()

model.compile（）：
loss —>optimizer —>metrics
keras.losses.categroical_crossentropy ,keras.optimizers.Adadleta(),[‘accuracy’]

model.fit():
x_train,y_train -->batch_