Keras 如何适应这个简单的mnist分类

这个keras是一个简单的keras模型，我使用relu是为了简单和学习的力量 也可以将均方作为损失，但该模型不适用 我认为输出是一个数字[0-9]，我不习惯分类，这就是为什么只有一个输出神经元

from keras.datasets import mnist
(data, labels),(x_test,y_test) = mnist.load_data()

from keras.layers import Input, Dense, Flatten
from keras.models import Model
from keras.losses import mean_squared_error

# This returns a tensor
inputs = Input(shape=(28, 28,))
x = Flatten()(inputs)

x = Dense(64, activation='relu')(x)
x = Dense(64, activation='relu')(x)
predictions = Dense(1, activation='relu')(x)

model = Model(inputs=inputs, outputs=predictions)

model.compile(optimizer='rmsprop',
              loss=mean_squared_error,
              metrics=['accuracy'])

model.fit(data, labels, batch_size=10, epochs=10 ,
              validation_data=(x_test, y_test))  # starts training

---

这不是你做分类的方式，众所周知不工作，我们每个输出类使用一个神经元是有原因的。这不是你做分类的方式，众所周知不工作，我们每个输出类使用一个神经元是有原因的。