1. keras.engine.input_layer.Input（）
| デフ入力（形状= なし、batch_shape = なし、 | |
| 名前= なし、DTYPE = なし、スパース= Falseを、 | |
| テンソル= なし）： |
インスタンス化A kerasテンソルするために使用
2. クラス緻密（レイヤー）：
keras.layers.Dense（単位、活性化= なし、use_bias = 真、kernel_initializer = 'glorot_uniform'、bias_initializer = 'ゼロ'、kernel_regularizer = なし、bias_regularizer = なし、activity_regularizer = なし、kernel_constraint = なし、bias_constraint = なし）
| デフ__init __（自己、単位、 | |
| 活性化= なし、 | |
| use_bias = 真、 | |
| kernel_initializer = 'glorot_uniform ' | |
| bias_initializer = 'ゼロ'、 | |
| kernel_regularizer = なし、 | |
| bias_regularizer = なし、 | |
| activity_regularizer = なし、 | |
| kernel_constraint = なし、 | |
| bias_constraint = なし、 | |
| ** kwargsから）： |
高密度のは、通常の密に接続されたNN層のためのクラスです。
keras.modelsから3.シーケンシャル、モデルをインポートします
4. keras.utils.np_utilsからはto_categoricalインポート
categorical_labels = to_categorical（int_labels、num_classes = なし）
説明：
あなたは、10個のカテゴリを持っている場合、例えば、各試料の標識は10次元ベクトルであるべきで、インデックス値に対応するベクトルは1つの静止位置は0です。
例：
。Android.permission.FACTOR想定ベクトルの100x1及び100、すなわち、この時間は10次元のベクトルに拡張ラベル、サンプル数、スカラータグを表す：y_testは100x10.10次元ベクトルは、1の値は、サンプルがこのカテゴリーに属することを示している、別の9値の場所はゼロです。
y_test = to_categorical（y_test、10）