インポートNPとしてnumpyの から keras.datasetsはインポートmnistを から keras.utils インポートnp_utilsを から keras.models インポートシーケンシャル から keras.layers インポート高密度、ドロップアウト、Convolution2D、MaxPooling2Dは、平ら から keras.optimizers インポートアダム から keras.utils.vis_utils インポートplot_model 輸入PLTのようmatplotlib.pyplot 位PYDOTとgraphvizのインストール
1つの ＃負荷データ 2（x_train、y_train）、（x_test、android.permission.FACTOR。）= Mnist.load_data（） 3。 ＃（60000,28,28） - >（60000,28,28,1） 。4 x_train x_train.reshape（= -1,28,28,1）/255.0 。5 x_test = x_test.reshape（-1,28,28,1）/255.0 。6 ＃トランスデューサワンホット形式 。7 y_train = np_utils.to_categorical（y_train、num_classes = 10 ） 。8 android.permission.FACTOR。 np_utils.to_categorical =（android.permission.FACTOR。、num_classes = 10 ） 。9 10 位シーケンシャルモデルを定義する 。11モデル= シーケンシャル（） 12は 13である ＃最初の畳み込み層 14 ＃入力面input_shape 15の ＃のフィルタコンボリューションカーネル/フィルタ番号 16 ＃のkernel_size畳み込みウィンドウサイズ 。17の ＃のストライドは、ステップ 18で ＃1 パディングパディングが有効/同実施形態 。19 ＃の活性化は活性化機能 20はれる model.add（Convolution2D（ 21は input_shape（= 28,28,1 ）、 22は フィルター= 32 、 23である kernel_size = 5 、 24 ストライドの= 1 、 25 パディング= ' と同じ' 、 26は、 アクティベーション= ' RELU ' 、 27 名= ' CONV1 ' 28 ）） 29 ＃最初のセル層 30 model.add（MaxPooling2D（ 31は POOL_SIZE = 2 、 32の ストライド= 2 、 33は =パディング' と同じ' 、 34は NAME = ' POOL1 ' 35 ）） 36 ＃第畳み込み層 37 model.add（Convolution2D（64,5、ストライド= 1、パディング= ' と同じ'、アクティベーション= ' RELU '、NAME = ' CONV2' ）） 38 ＃第2セル層 39 model.add（MaxPooling2D（2,2＆、' 同じ'NAME = ' POOL2は' ）） 40 位フラット寸法に第二の細胞層を出力 41 model.add（平坦化（）） 42である ＃最初完全接続層 43をれる model.add（高密度（1024、アクティベーション= ' RELU ' ）） 44である ＃ドロップアウト 45 model.add（ドロップアウト（0.5 ）） 46である ＃第完全接続層 47 model.add（高密度（10、アクティベーション= ' のSoftMax ' ）） 48 49 ＃＃オプティマイザ定義 50 ＃1 =アダム（= 1E-LR 4）ADAMが 51である 52である ＃1 ＃はオプティマイザ、損失関数を定義し、トレーニングプロセスの計算精度 53は ＃1 model.compile（= ADAMオプティマイザ、損失= 'categorical_crossentropy' 、メトリック= [ '精度']） 54が 55 ＃＃トレーニングモデル 56れる ＃1 model.fit（x_train、y_train、BATCH_SIZE = 64、=エポック。1） 57は 58 ＃＃評価モデル 59 ＃損失、精度= model.evaluate（x_test 、android.permission.FACTOR。） 60 61は、 ＃1 印刷（ '損失試験'、損失） 62である ＃1 ）印刷（ '精度試験'、確度
plot_model（モデル、to_file = " model.png "、show_shapes =真、show_layer_names =真、rankdir = ' TB ' ） plt.figure（figsize =（10,10 ）） IMG = plt.imread（" model.png " ） plt.imshow（IMG） plt.axis（' オフ' ） plt.show（）
