【深度学习】运用mnist数据集实例化一个简单的卷积神经网络

卷积神经网络，也叫convnet，是计算机视觉应用几乎都在使用的一种深度学习模型。

---

前言

MNIST是一个手写体数字的图片数据集，该数据集来由美国国家标准与技术研究所（National Institute of Standards and Technology (NIST)）发起整理，一共统计了来自250个不同的人手写数字图片，其中50%是高中生，50%来自人口普查局的工作人员。该数据集的收集目的是希望通过算法，实现对手写数字的识别。

同样，MNIST数据集作为众多人工智能入门练习的数据集，受众广泛，今天我们搭建一个最简单的卷积神经网络就是运用到MNIST数据集。

---

1、搭建卷积神经网络架构

MNIST数据集可以通过keras这个高级API进行下载，也可以在官网上手动下载。
MNIST数据集官网：http://yann.lecun.com/exdb/mnist/
这里我们先搭建卷积神经网络的基本架构。

from keras import layers
from keras import models

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation='relu',input_shape=(28,28,1)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,(3,3),activation='relu'))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,(3,3),activation=