昨天經歷許多努力後，今天還要繼續加油!昨天開始訓練後，今天會先仔細講解昨天的程式碼，再繼續前進。

開始訓練
昨日的程式碼如下:

train_history =model.fit(X=X_Train_normalize,
                         Y=Y_Train_OneHot,validation_split=0.2,
                         epochs=10, batch_size=200,verbose=2)

我們來逐一講解:
使用model.fit進行訓練，訓練過程會儲存在train_history變數，輸入以下參數:

1. x=x_Train_normalize(features數字影像的特徵值)
   y=y_Train_Onehot(label數字影像真實的值)

2. 設定訓練與驗證資料比例

• 設定參數validation_split=0.2
  (訓練前keras會將資料分成80%訓練資料與20%驗證資料。因為全部是60000筆，所以分成600000.8=48000作為訓練資料，600000.2=12000作為驗證資料)

3. 設定epoch(訓練週期)次數與每一批次筆數

• epochs=10: 執行10次訓練週期
• batch_size=200: 每一批次200筆資料

4. 設定訓練過程

• verbose=2: 顯示訓練過程
• 使用48000筆訓練資料進行訓練，分為每一批次200筆，所以大約分為240批次(48000/200=240)進行訓練
• epoch訓練完成後，會計算此次訓練週期的準確率與誤差，並且記錄每一筆資料於train_history中。

執行後就成功囉!

建立show_train_history顯示訓練過程
之前訓練步驟，會將每一個訓練週期的準確率與誤差，紀錄在train_history變數。輸入以下指令即可查看:

畫出accuracy執行結果
鍵入以下程式碼畫出accuacy準確率執行結果，程式即可自行繪出圖形，程式碼如下所示:

show_train_history(train_history,'acc','val_acc')

畫出loss誤差執行結果
執行以下指令可執行:

show_train_history(train_history,'loss','val_loss')

這樣我們就完成訓練啦!明天會繼續進行預測與測試資料，再接再厲囉!

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