思路如下：

1. 匯入各種模組
基本形式為：

• import 模組名
  這個是引入整個包，如果使用包中的某個類,需要加上模組名的限定。
• from 某個檔案 import 某個模組
  這是隻引入包裡的某個類,在使用時無需新增模組名的限定。

2. 匯入資料（以兩類分類問題為例，即numClass = 2）

• 訓練集資料data

• 訓練集的標籤

3. 將匯入的資料轉化我keras可以接受的資料格式

keras要求的label格式應該為binary class matrices，所以，需要對輸入的label資料進行轉化，利用keras提供的to_categorical函式

label
 
 = np_utils.to_categorical(label, numClass）

　　
4. 建立CNN模型

例如：

#生成一個model
model = Sequential()
#layer1-conv1
model.add(Convolution2D(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))
model.add(Activation('tanh'))#tanh
# layer2-conv2
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add
 
(Activation('tanh'))#tanh
# layer3-conv3
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh
# layer4
model.add(Flatten())
model.add(Dense(128, init='normal'))
model.add(Activation('tanh'))#tanh
# layer5-fully connect
model.add(Dense(numClass, init='normal'))
model.add
 
(Activation('softmax'))<br><br>
#
sgd = SGD(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical")

5. 開始訓練model

利用model.train_on_batch或者model.fit

6. model預測

利用model.predict 、model.predict_on_batch 或者 model.predcit_generator