手敲深度学习代码（一）

各位小伙伴，好久不见啦，最近我在手敲深度学习代码（keras），用的编辑器是jupyter notebook，废话不多说了，我们一起开始学习吧，今天推荐的是手写数字识别哦，已经将相关代码资源上传啦，免费的！免费的！免费的！

         期待和各位学习机器学习、深度学习的小伙伴一起交流，有疑问的可以加我的QQ：798519723.

因为是第一课，所以代码比较简答啦，先阐述一下知识背景：我们需要的数据集是keras自带的数据中取出的，我们需要解决的问题是将手写数字的灰度图像（2维）划分到10个类别中。我们将数据集称为（MNIST数据集），这个数据集包括60000训练图像和10000预测图像。

         为什么说这个数据集便于入门呢，这是因为：

1.灰度图像，只用了2维，如果是彩色图片就是三维了，所以数据处理起来简单。

2.在keras里面我们其实已经对图像进行过预处理了，当你查看数据或者标签时，你会发现他们已经处理成标签啦，所以又简单了好多好多。

3.数据经过了筛选，而且数据量足够，所以处理得到的结果看上去很不错。

接下来我们聊一聊编程的流程吧，哈哈哈，我稍微总结一波，我觉得大致如下：

1.处理数据

2.导入数据

3.建立模型

4.编译模型

5.将数据带入模型

当然上面更多的是参考入门级编程啦，一起加油吧，哈哈哈！