1つの インポートNPとしてnumpyの 2 から keras.datasetsはインポートmnist 3 から keras.utilsがインポートnp_utils 4 から keras.modelsをインポートシーケンシャル 5 から keras.layers インポート高密度 6 から keras.optimizers インポートSGD 7 から keras.regularizersをインポート L2を
＃载入数据 （x_train、y_train）、（x_test、y_test）= mnist.load_data（）は、 ＃（60000,28,28） プリント（' x_shape：' 、x_train.shape） ＃（60000） プリント（' y_shape：' 、y_train.shape） ＃（60000,28,28） - >（60000,784） x_train = x_train.reshape（x_train.shape [0]、 - 1）/255.0 x_test = x_test.reshape（x_test.shape [0] 、-1）/255.0 ＃换ワンホット格式 y_train = np_utils.to_categorical（y_train、num_classes = 10 ） y_test = np_utils.to_categorical（y_test、num_classes = 10 ） ＃创建模型 モデル= シーケンシャル（[ 高密度（単位 = 200、input_dim = 784、bias_initializer = ' 1 '、活性化= ' TANH '、kernel_regularizer = L2（0.0003 ））、 高密度（単位 = bias_initializer = 100、' 1 '、活性化= ' TANH 'kernel_regularizer = L2（0.0003 ））、 高密度（単位 = 10、bias_initializer = ' 1 '活性化= ' ソフトマックス'、kernel_regularizer = L2（0.0003 ）） ]） ＃定义优化器 = SGD SGD（LR = 0.2 ） ＃はオプティマイザ、損失関数、トレーニングプロセスの算出精度定義 model.compile（ オプティマイザ = SGD、 損失 = ' categorical_crossentropy ' 、 メトリック = [ ' 精度' ] ） ＃のトレーニングモデル モデル。フィット（x_train、y_train、BATCH_SIZE = 32、= 10のエポック） ＃の評価モデルの 損失、精度= model.evaluate（x_test、android.permission.FACTOR。） 印刷（' \ NTEST損失' 、損失） を印刷（' 試験精度' 、精度） 損失、精度 = model.evaluate（x_train、y_train） プリント（' 列車損失' 、損失） プリント（' 列車精度'、精度）