【基础要点】
1-加载Minist数据，并变形
2-数据信息图形化显示
3-可视化训练过程
4-可视化预测
5-误差矩阵显示
【代码实现】
1-超参数
2-全部代码
3-可视化模型结构：
Keras的utils里面专门有一个plot_model()函数是用来可视化网络结构的，为了保证格式美观，我们在定义模型的时候给每个层都加了一个名字。
3-可视化训练过程
1-在model的fit函数中加入TensorBoard的回调函数即可，训练数据就会自动保存在log_dir指定的目录内
2-打开相同环境下的命令窗口，执行命令 tensorboard –logdir= log_dir （参数保存的目录）
3-根据命令行的提示，在浏览器内输入网址，例如我的网址为：http://microwin10-1735:6006
TensorBoard会记录loss及model.metrics里面的值，本例中即acc,loss,val_acc,val_loss四个值，每个epoch更新一次。
除了这些SCALARS，还会记录网络的GRAPH，直接可视化网络结构，但是相比用原生TensorFlow生成的图而言，相差还是比较大的，比较难看，所以不推荐在Keras中使用TensorBoard查看网络结构。
【遇到的问题】
1-报错-数据格式不对，解决办法，对数据变形处理
2-损失过大，解决办法，优化方法为sgd