今天我們要來簡單介紹一下Keras與建立多層感知器(Multilayer perceptron)模型，為後續的訓練模型做好準備!已經慢慢做出雛形了，再接再厲囉!

Keras介紹
在開始前，筆者想要先簡單介紹一下Keras做為今天的開場，Keras是一個基於Python深度學習的程式庫，Keras為開放原始碼，且擁有訓練模型的輸入層、隱藏層、輸出層。我們只需加入並且填寫正確的參數即可完成，相當便利。

多層感知器模型

1. 為了要清楚辨識MNIST手寫數字影像，必須要建立多層感知器模型

2. 開始訓練
   建立多層感知器模型後，要先進行訓練，進行預測這些手寫的數字

• 訓練(Training): MNIST共有6000筆資料，經過資料預處理後會產生features與label，然後再輸入多層感知模型進行訓練，訓練完成的模型即可作為下一階段預測之使用。
• 預測(Predict): 輸入數字影像，預處理後會產生features，使用訓練完成的多層感知器模型進行預測，最後會產生0-9的數字。

3. 建立多層感知器
   多元感知器(Multilayer perceptron)，辨識MNIST資料集中的手寫數據，步驟如下圖所示:
   

資料預處理
昨天也有做些資料的預處理，今天一樣要讀取MNIST資料集資料，進行資料預處理。

1. 匯入所需模組，如下圖:
   

2. 讀取MNIST資料，如下圖所示:
   

3. 將features使用reshape轉換，如下圖所示:
   

4. 將features標準化後，label以One-hot encoding轉換，就成功了!

以上的預處理步驟與昨天相同，就不深入說明，如有興趣請多參考[Day 8]囉!
今天的進度就告一段落囉!明天會繼續建立模型，加油!

Reference: https://medium.com/chiukevin0321/tensorflow%E8%88%87keras%E5%9F%BA%E6%9C%AC%E4%BB%8B%E7%B4%B9-621352fc7150
Reference: https://zh.wikipedia.org/wiki/Keras#/media/File:Keras_logo.svg
Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化