利用keras定义简单神经网络

我是一个python小白，最近在学习一些有关神经网络的知识：
偶然之间发现了一本有关keras的书还不错，有详细的代码，我也不知道该怎么学习keras，先从分析代码开始，内容会有点啰唆，大神轻喷。以下代码引自《keras深度学习实战》

from __future__ import print_function 
import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.optimizers import SGD
from keras.utils import np_utils

np.random.seed(1671)  # 重复性设置

# 网络和训练
NB_EPOCH = 200
BATCH_SIZE = 128
VERBOSE = 1
NB_CLASSES = 10   # 输出个数等于数字个数
OPTIMIZER = SGD() # SGD 优化器
N_HIDDEN = 128
VALIDATION_SPLIT=0.2 # 训练集中用作验证集的数据比例

#数据：混合并划分训练集和测试集
#
(X_train, y_train), (X_test, y_test) = mnist.load_data()

#X_train 是 60000 行 28x28 的数据 --> 变形为 60000 x 784
RESHAPED = 784
#
X_train = X_train.reshape(60000, RESHAPED)
X_test = X_test.reshape(10000, RESHAPED)
X_train = X_train.astype('float32')
X_test = X_test.astype('float32&#