# 开发深度学习模型
#### 创建和训练模型
使用如下命令创建并训练模型：
```
# create model
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10)
])
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])
# training
model.fit(train_images, train_labels, epochs=10)
```
![](https://support.huaweicloud.com/bestpractice-cloudide/figure/zh-cn_image_0000002377281905.gif "点击放大")
#### 使用模型
用训练好的模型预测测试集中的某个图片属于什么类别，先显示这个图片，命令如下。
```
# display a test image
plt.figure()
plt.imshow(test_images[9])
```
图1显示用以测试的图片   
![](https://support.huaweicloud.com/bestpractice-cloudide/figure/zh-cn_image_0000002343244022.png)
#### 查看结果
查看预测结果，命令如下。
```
# Grab an image from the test dataset.
img = test_images[9]
# Add the image to a batch where it's the only member.
img = (np.expand_dims(img,0))
# make prediction
probability_model = tf.keras.Sequential([model, 
                                         tf.keras.layers.Softmax()])
predictions_single = probability_model.predict(img)
class_names[np.argmax(predictions_single[0])]
```
图2查看预测结果   
![](https://support.huaweicloud.com/bestpractice-cloudide/figure/zh-cn_image_0000002343403830.png)