利用keras实现的cnn卷积神经网络对手写数字mnist数据集进行分类

利用基于tensorflow2的keras框架，搭建CNN卷积神经网络模型，对手写数字识别数据集mnist进行分类，网络规模小，训练精度高。网络包括三个卷积层，两个池化层和全连接层，在测试集上实现了99%左右的识别率。

from keras.datasets import mnist
from keras.layers import Dense Conv2D MaxPooling2D Flatten
from keras.models import Sequential
from keras.utils import to_categorical

“““数据准备：训练集、验证集、测试集“““
（x_train y_train） （x_test y_test） = mnist.load_data（）
x_train = x_train.reshape（（-1 28 28 1））
x_train = x_train.astype（‘float32‘）/255
y_train = to_categorical（y_train）
x_test = x_test.reshape（（-1 28 28 1））
x_test = x_test.astype（‘float32‘）/255
y_test = to_categorical（y_test）
## 训练集的前10000个样本划分为验证集
x_val = x_train[:10000]
y_val = y_train[:10000]
partial_x_train = x_train[10000:]
partial_y_train = y_train[10000:]

“““网络设计“““
network = Sequential（）
network.add（Conv2D（32 （3 3） padding=‘same‘ activation=‘relu‘ input