昨天筆者所說的CNN之實際應用，不曉得大家是否了解呢?對我這個初學者來說，踏入AI的世界是有些難度的，所以筆者也盡可能找一些簡單而實用的例子讓大家也可以一同理解AI背後的原理。這幾天所做的步驟與之前有些類似，也一樣要資料預處理、建置模型來進行訓練與預測，那我們就開始努力往前吧!

建立模型
昨天我們有建立好了CNN(卷積神經網路)，今天我們就直接開始建立模型啦!
(建立卷積層請查閱[Day14])

1. 匯入需要的模組
   

我們可分為兩段分別講解

• from keras.models import Sequential
  匯入MNIST的資料集

• from keras.layers import Dense,Dropout,Flatten,Conv2D,MaxPooling2D
  由於CNN(卷積神經網路)要使用layers模組，所以要先匯入Keras中的layers模組

2. 建立Keras的Sequential(線性堆疊)模型
   鍵入以下指令，我們先建立Sequential線性堆疊模型，這樣之後只要鍵入model.add()這個方法，即可把所有神經網路層加入至模型中。
   

進行下述步驟前，要先知道一個完整的卷積運算需要包含一個卷積層與一個持化層，所以會分為兩部分

3. 建立卷積層1與持化層1
   

藉由上述的程式碼，我們來仔細地講解一下:

• filters=16: 建立16個濾鏡filter weight
• kernel_size=(5, 5): 每一個濾鏡是5X5大小
• padding='same': 這串程式碼可以讓卷積運算所產生的卷積影像大小不變
• input_shape=(28,28,1): 總共有三個維度，一跟二是代表輸入的影像大小是28X28，第三是單色灰階影像，所以為1
• activation='relu': 設定激活函數ReLU

明天會繼續建置與進行訓練，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