前言

昨天說到要跑範例程式，但是只有做到下載資料集，以及切分資料集，今天來建立模型

利用Sequential API來建立模型

model = keras.models.Sequential()
model.add(keras.layers.Flatten(input_shape=[28, 28]))
model.add(keras.layers.Dense(300, activation="relu"))
model.add(keras.layers.Dense(100, activation="relu"))
model.add(keras.layers.Dense(10, activation="softmax"))

我們來了解一下這個程式
第一行是建立一個Sequential的模型，這是keras神經網路種類中最簡單的
接下來建立第一層，並將它加入模型。這是一個Flatten層，功能是將每一個輸入的圖片都轉換成1D的陣列
第二層是一個Dense層，有300個神經元，使用Relu來當作激活函數
第三層也是一個Dense層，有100個神經元，也是使用Relu來當作激活函數
最後一層是一個Dense層，它有10個神經元，使用softmax當作激活函數

model.summary()

模型的summary()方法可以顯示模型的每一層，包括每一層的名稱、輸出外型(Output shape)，以及訓練參數量。摘要的結尾是參數的總數，包括可以訓練的和不可訓練的參數。

Dense層通常會有很多參數。第一個隱藏層就有235,500個參數，所以模型有大量的靈活度可以擬合訓練資料，但是這也代表模型會有過擬合的問題。

keras.utils.plot_model(model)

這個function可以用來產生模型的圖像

後記

今天講完如何建立模型，明天會講到模型的compile跟fit，這樣就完成一次完整的訓練了