model = keras.Sequential([
#畳み込みレイヤー
keras.layers.Conv2D(
filters = 32, # 出力空間の次元（つまり畳み込みにおける出力フィルタの数）
kernel_size = 3, # フィルターサイズ
padding = "same", # 入出力サイズが同じになるように入力にパディングする
activation = "relu", # 活性化関数
input_shape = (32, 32, 3) # 入力サイズ
),
#プーリングレイヤー
keras.layers.MaxPooling2D(
pool_size=(2, 2)
),
#畳み込みレイヤー
keras.layers.Conv2D(
filters = 32, # 出力空間の次元（つまり畳み込みにおける出力フィルタの数）
kernel_size = 3, # フィルターサイズ
padding = "same", # 入出力サイズが同じになるように入力にパディングする
activation = "relu", # 活性化関数
input_shape = (32, 32, 3) # 入力サイズ
),
#プーリングレイヤー
keras.layers.MaxPooling2D(
pool_size=(2, 2)
),
#入力の平滑化
keras.layers.Flatten(),
#全結合層(Affine層)。ノード数512の中間層.活性化関数はReLU関数
keras.layers.Dense(512, activation="relu"),
#全結合層(Affine層)。ノード数10の出力層.活性化関数はソフトマックス関数
keras.layers.Dense(10, activation="softmax")
])
