前面我們認識了什麼是MNIST手寫數字資料集，知道如何查看印出資料內容，也學會怎麼把資料做好預處理，接下來就要進入重要的階段，也就是建立模型、訓練模型，最終可以使用模型對資料進行預測。

先來淺談什麼是多層感知器模型，多層感知器模型（Multilayer perceptron, 簡稱MLP）是一種前向結構的類神經網路，也可以說是一種機器學習的解決方案，基本結構通常包含一個輸入層、一至多個隱藏層、以及最後的輸出層，之前提過的反向傳播演算法也經常被利用來訓練MLP。由於現今深度學習是相當熱門的議題，MLP也被廣泛應用在圖像辨識、語音識別、機器翻譯等多項領域中。

多層感知器模型的運作方式，大致如下圖所示：

需要建立好多層感知器模型後，再藉由資料訓練模型，才能逐步達到用模型進行預測或辨識的目標。今天我們就先練習實作建立模型的步驟：

• 進行資料預處理
  由於這個部分我們在前一篇做過介紹了，這邊就簡略的帶過：
  

• 建立模型
  我們預計建立的多層感知器模型如本篇的第一張圖片，輸入層x有784個神經元，隱藏層h有256個神經元，輸出層y有10個神經元。

1. 匯入所需的模組：
   

2. 建立Sequential線性堆疊模型，方便之後加入各個神經網路層：
   

3. 建立輸入層與隱藏層，並加入Dense神經網路層：
   

4. 建立輸出層，並加入Dense神經網路層：
   

5. 查看目前模型的摘要及欄位：
   

• 參考資料：
  TensorFlow+Keras深度學習人工智慧實務應用 — 林大貴著
  https://zh.wikipedia.org/wiki/%E5%A4%9A%E5%B1%82%E6%84%9F%E7%9F%A5%E5%99%A8
  https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-%E5%A4%9A%E5%B1%A4%E6%84%9F%E7%9F%A5%E6%A9%9F-multilayer-perceptron-mlp-%E5%90%AB%E8%A9%B3%E7%B4%B0%E6%8E%A8%E5%B0%8E-ee4f3d5d1b41