Keras 是一個用來降低機器學習程式設計門檻的專案，Keras 也整合許多符合商業和研究需求的高階API。透過這些API只需要幾行程式碼就能建構和執行非常複雜的神經網路，我會提到的是sequential mode。
神經網路訓練步驟
Step 1:準備訓練資料
將資料分為訓練資料和預期輸出的標記答案
Step 2:搭建神經網路模型
用來預測數值
Step 3:損失函數
計算模型預測與答案之間的誤差
Step 4:優化器
決定學習過程如何進行，常見分法有SGD、Adam、RMSprop等
Step 5:準備驗證資料和測試資料
讓網路模型做預測，並透過指標函數來評估模型的好壞

Sequential Model
Sequential mode 搭建方法簡單快速，並且可以解決大多簡單的問題，例如:手寫字辨識，房價預測或評論分類，基本上只要是回歸問題或是分類問題，都可以用sequential mode來解決，但建立有一個限制就是必須逐層搭建網路，而且網路模型必須是single input and output。

建構神經網路模型

訓練網路模型

訓練過程與結果

儲存並進行預測

這樣就完成了一個非常簡單的訓練神經網路模型，如果要更精準地就會需要多個Input或Output，這時候就必須使用其它做法，把神經網路串聯起來，看來我要學的還很多呢。