建立模型

from keras.utils import np_utils
import numpy as np
＃輸入所需模組
from keras.models import Sequential
from keras.layers import Dense
＃使用線性模型
model = Sequential()
＃建立輸入層和隱藏層
model.add(Dense(units=256,input_dim=784,kernel_initializer=‘normal',activation='relu'))
＃建立輸出層
model.add(Dense(units=10,kernel_initializer=‘normal',activation='softmax'))
＃查看模型的摘要
print(model.summary())

建立Dense 神經網路層所需參數：
units=256 , 隱藏層神經元個數為256個
input_dim=784 , 輸入層神經元個數為784個（28*28=784）
kernel_initializer=‘normal’ , 使用normal distribution 常態分佈的亂數來初始化weight(權重)和bias(偏差）
activation=relu , 激活函數為relu

建立輸出層所需參數：
units=10 , 輸出神經元個數為10個
kernel_initializer=‘normal’ , 使用normal distribution 常態分佈的亂數來初始化weight(權重)和bias(偏差）
activation=softmax , 激活函數為softmax

輸出：