构建 CNN 模型
在 Keras 中构建 CNN 模型并不比您在本课程中已经构建的其他模型更难！您只需要使用卷积层。
您将构建一个浅层卷积 model 来对 MNIST 手写数字数据集进行分类。就是您之前用自编码器去噪的那个数据集！图像是 28 x 28 像素，并且由于是黑白图像，只有 1 个通道。
现在就来动手构建这个小型卷积模型吧！
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 导入
Conv2D和Flatten层并实例化您的模型。 - 添加第一层卷积层，包含 32 个大小为 3x3 的滤波器，并设置相应的 3D 元组为
input_shape。 - 添加第二层卷积层，包含 16 个大小为 3x3 的滤波器，并使用 relu 激活函数。
- 将上一层的输出进行展平，得到一维向量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____
# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))
# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))
# Flatten the previous layer output
model.add(____)
# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))