mnist_mlp.py

‘‘‘Trains a simple deep NN on the MNIST dataset.

Gets to 98.40% test accuracy after 20 epochs
（there is *a lot* of margin for parameter tuning）.
2 seconds per epoch on a K520 GPU.
‘‘‘

from __future__ import print_function

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense Dropout
from keras.optimizers import RMSprop

batch_size = 128
num_classes = 10
epochs = 20

# the data shuffled and split between train and test sets
（x_train y_train） （x_test y_test） = mnist.load_data（）

x_train = x_train.reshape（60000 784）
x_test = x_test.reshape（10000 784）
x_train = x_train.astype（‘float32‘）
x_test = x_test.astype（‘float32‘）
x_train /= 255
x_test /= 255
print（x_train.shape[0] ‘train samples‘）
print（x_test.shape[0] ‘test samples‘