机器学习系列 八 - 2.使用Keras build一个网络 Keras 2.0 版本语法

还是手写数字辨识问题

第一步，设计架构(模型)

老版本中，我们每一层的输出，在1.0版本里面参数名字是output，而在Keras2.0里面，改成了units，这个看上去更为直观，表明下一层我要输出多少个节点。并制定激活函数。

然后，因为下一层的输入就是上市上一层的输出，所以下一层里面不需要在生命input dimension了，input就是500。

那直接定义units，就是输出到下一层的节点数。并指定激活函数。

那最后输出一层，因为是手写数字辨识，所以一共10个数字，10个输出，然后在指定激活函数，用softmax。也可以用别的激活。

这里选择softmax是因为，每一项的输出都是介于0-1之间，所有项的总和是1，这样就类似于概率来看待这个问题。

第二步，进行Loss方程和优化器设定

    1. 定义Loss function，这里选择交叉熵

    2. 定义优化器， 这里选择非基础的gradient descent，但所有优化器基本都是base 于gradient descent的。这里使用adam。

还有很多种优化器，可以后面研究不同的实现，我们之前学过了Adagrad

第三步，选择最好的function

    1. train 我们的 network，其实在Keras里面一句话搞定：model.fit

    x_train -> 代表training data的 输入， image的维度 * image总数

    y_train -> 代表training data的 输出&#