孔子學琴於師襄子，襄子曰：『吾雖以擊磬為官，然能於琴，今子於琴已習，可以益矣。』孔子曰：『丘未得其數也。』有間，曰：『已習其數，可以益矣。』孔子曰：『丘未得其志也。』有間，曰 ：『已習其志，可以益矣。』孔子曰：『丘未得其為人也。』有間 ，孔子有所謬然思焉，有所睪然高望而遠眺。曰：『丘迨得其為人矣。近黮而黑，頎然長，曠如望羊，奄有四方，非文王其孰能為此 ？』師襄子避席葉拱而對曰：『君子，聖人也，其傳曰《文王操》 。』 ── 《孔子家語‧辨樂解第三十五》
─── 《SONIC Π 知音？！》
神經網路的訓練，依賴大量數據以及資料，此乃傳習者之為難也。故而許多典型範例，都是用著開放的 MNIST 原始資料庫哩！
此事 Keras 亦不例外乎︰
Keras examples directory
Vision models examples
mnist_mlp.py Trains a simple deep multi-layer perceptron on the MNIST dataset.
mnist_cnn.py Trains a simple convnet on the MNIST dataset.
cifar10_cnn.py Trains a simple deep CNN on the CIFAR10 small images dataset.
cifar10_resnet.py Trains a ResNet on the CIFAR10 small images dataset.
conv_lstm.py Demonstrates the use of a convolutional LSTM network.
image_ocr.py Trains a convolutional stack followed by a recurrent stack and a CTC logloss function to perform optical character recognition (OCR).
mnist_acgan.py Implementation of AC-GAN (Auxiliary Classifier GAN) on the MNIST dataset
mnist_hierarchical_rnn.py Trains a Hierarchical RNN (HRNN) to classify MNIST digits.
mnist_siamese.py Trains a Siamese multi-layer perceptron on pairs of digits from the MNIST dataset.
mnist_swwae.py Trains a Stacked What-Where AutoEncoder built on residual blocks on the MNIST dataset.
mnist_transfer_cnn.py Transfer learning toy example.
嘗思孔子學琴專注一首之道，且以
《W!O+ 的《小伶鼬工坊演義》︰神經網絡【MNIST】一》
系列文章為之假借渲染。期盼聞一知十呦？