昨天我們建置好了所有環境，今天就會正式開始訓練啦!今天結束Keras後就會回到主題TensorFlow，再與Keras的機器學習做些比較，謝謝大家!

定義訓練方式請查閱[Day16]

開始進行訓練
要進行訓練需鍵入以下程式碼:

以下將逐一解釋程式碼:

1. 使用model.fit進行訓練，那這些過程會存至train_history

2. 輸入訓練資料的參數
   X=X_Train4D_normalize(features數字影像的特徵值)
   Y=Y_TrainOneHot(label數字影像真實的值)

3. validation_split=0.2
   一般來說，Keras在訓練會將資料分為兩部分，分別是80%訓練資料與20%驗證資料
   所以以筆者所做的範例為例，全部60000筆會分成48000的訓練資料(80%)與12000(20%)的驗證資料

4. epochs=10設定訓練週期，我們是輸入10次，會執行10次訓練週期
   batch_size=300每一批次筆數，我們輸入的是300筆資料

5. verbose=2顯示訓練過程

執行完成後，鍵入以下程式碼可查看:
畫出accuracy(準確率)需鍵入:

loss(誤差)需鍵入:

評估準確率
輸入以下程式碼:

scores = model.evaluate X_Test4D_normalize, Y_TestOneHot
scores[1]

我們逐一解釋程式碼:
scores = model.evaluate(使用model.evaluate進行評估準確率，評估後會儲存在scores)
X_Test4D_normalize(測試features)
Y_TestOneHot(測試label)

進行預測
鍵入以下指令可進行預測

prediction=model.predict_classes(X_Test4D_normalize)

再鍵入prediction[:10]可查看前10筆資料

我們這幾天使用了Keras與CNN大致上辨識了手寫數字，後續是有更進階版的，可以辨識的範圍更廣闊，等到以後有機會再多接觸吧!明天會回到TensorFlow的世界中，繼續努力啦!

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