输出类的描述：

由于模型的输出可以包含0到9.so之间的任何数字，因此我们需要输出10个类。要为10个类输出，请使用keras.utils.to_categoricalfunction，它将提供10列。在这10列中，只有一个值为1，其余9为零，输出的这一个值将表示数字的类别。

y_train = keras.utils.to_categorical(y_train)

y_test = keras.utils.to_categorical(y_test)

现在，数据集已准备就绪，让我们转向cnn模型：

inpx = Input(shape=inpx)

layer1 = Conv2D(32, kernel_size=(3, 3), activation='relu')(inpx)

layer2 = Conv2D(64, (3, 3), activation='relu')(layer1)

layer3 = MaxPooling2D(pool_size=(3, 3))(layer2)

layer4 = Dropout(0.5)(layer3)

layer5 = Flatten()(layer4)

layer6 = Dense(250, activation='sigmoid')(layer5)

layer7 = Dense(10, activation='softmax')(layer6)