我们首先导入项目中代码所需的各种库。

数组处理和绘图

通常，我们使用numpy进行数组处理，使用matplotlib进行绘图。这些库是使用以下导入语句导入到我们的项目中的

import numpy as np
import matplotlib
import matplotlib.pyplot as plot

禁止警告

由于Tensorflow和Keras都在不断修订，如果您不在项目中同步它们的相应版本，则在运行时会看到很多警告错误。由于它们会分散您对学习的注意力，我们将压制该项目中的所有警告。这是通过以下几行代码完成的：

# silent all warnings
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
import warnings
warnings.filterwarnings('ignore')
from tensorflow.python.util import deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False

凯拉斯

我们使用Keras库导入数据集。我们将使用mnist数据集获取手写数字。我们使用以下语句导入所需的包

from keras.datasets import mnist

我们将使用Keras软件包定义深度学习神经网络。我们导入顺序，密集，丢失和激活包，以定义网络体系结构。我们使用load_model包保存和检索我们的模型。我们还将np_utils用于项目中需要的一些实用程序。这些导入通过以下程序语句完成-

from keras.models import Sequential, load_model
from keras.layers.core import Dense, Dropout, Activation
from keras.utils import np_utils

运行此代码时，您将在控制台上看到一条消息，提示Keras在后端使用TensorFlow。此阶段的屏幕截图如下所示-

现在，由于我们拥有了项目所需的所有导入，因此我们将继续定义深度学习网络的体系结构。