摘 要：Keras 是以TensorFlow+Theano 为后端的深度学习框架，相比于TensorFlow，Keras 更加灵活快速。相比于经典的神经网络模型，卷积神经网络对图像的识别效率更高。文章基于Keras 建立深度学习模型，以MNIST 数据集为例，构建卷积神经网络，训练模型并进行预测，得到的MNIST 数据集识别模型，达到了99.23% 的识别正确率。
关键词：深度学习；Keras；MNIST；数据集卷积神经网络
中图分类号：TP751.1 文献标识码：A 文章编号：2096-4706（2019）14-0018-03
Keras-based MNIST Data Set Recognition Model
GUO Mengjie1，YANG Mengzhuo1，MA Jingjiu2
（1.Anhui University，Hefei 230601，China；2.Yangtze University，Wuhan 430100，China）
Abstract：Keras is a deep learning framework based on TensorFlow+Theano. Keras is more flexible and faster than Tensorflow.Convolutional neural networks are more efficient at identifying images than classical neural network models. This paper builds a deep learning model based on Keras. Taking the MNIST data set as an example，constructing a convolutional neural network，training the model and predicting it，the obtained MNIST dataset recognition model achieves a recognition accuracy rate of 99.23%.
Keywords：deep learning；Keras；MNIST；data set convolution neural network
参考文献：
[1] [ 美]Peter Harrington. 机器学习实战 [M]. 李锐，李鹏，曲亚东，等译. 北京：人民邮电出版社，2013.
[2] 王振，高茂庭. 基于卷积神经网络的图像识别算法设计与实现 [J]. 现代计算机（专业版），2015（20）：61-66.
[3] 蒋子阳.Tensorflow 深度学习算法原理与编程实战 [M].北京：中国水利水电出版社，2019：301-306.
[4] Szegedy C，Liu W，Jia Y，et al. Going deeper with convoluteons [C].Boston：IEEE Conference on Computer Vision and Pattern Recognition，2015：1-9.
作者简介：
郭梦洁（1996-），女，汉族，安徽安庆人，硕士，研究方向：深度学习；
杨梦卓（1995-），女，汉族，安徽六安人，硕士，研究方向：深度学习；
马京久（1995-），男，汉族，安徽安庆人，硕士，研究方向：水文水生态。