使用keras框架训练一个简单的深度学习模型——（一）线性模型解决分类问题

在udemy上上The complete self-drving car course，根据课程的教法训练了一个最简单的深度学习模型，本文详细记录训练此模型的每个步骤以及代码含义。

源代码下载：https://download.csdn.net/download/rance_king/11008565

1. 导入包，keras.models 导入的是Sequential模型，keras.layers导入了一种叫Dense的层，这是一种每个单元都与上，下一层的每个单元有连接的层，每个单元都完全地建立连接就是这个层的形式，Adam是一种优化器。

   import numpy as np
   import keras
   import matplotlib.pyplot as plt
   from keras.models import Sequential
   from keras.layers import Dense
   from keras.optimizers import Adam
   

2. 放入一些初始数据。这个初始数据是我们手动设定然后放进来的。这个数据为了故意制作成方便训练一个线性模型，将两堆点分别放置在一个近似斜对角线的位置上，并给这些数据对应打上了相应的标签

   #设定为500个点
   n_pts = 500
   #设定随机种子，这样以后重复运行时还会形成与第一次试验相同的随机数据。
   np.random.seed(0)
   #设定了两堆点，这两堆点分别以坐标轴（13，12）和（8，6）为中心进行高斯分布（normal distribution）
   #因为原本生成的np.array是x和y坐标分别成为两个array，所以将矩阵转置（把矩阵的shape中两个数值调换）
   #如此获得了Xa，Xb是两堆点的坐标
   Xa = np.array([np.random.normal(13, 2, n_pts),
                  np.random.normal(12, 2, n_pts)]).T
   Xb = np.array([np.random.normal(8, 2, n_pts),
                  np.random.normal(6, 2, n_pts