让我们从导入numpy开始，并为计算机的伪随机数生成器设置一个种子，相同种子可以产生同系列的随机数。

import numpy as np
np.random.seed(123)  # 种子相同，随机数产生可以重现

接下来，将从Keras导入Sequential模型类型。这是一个简单的线性神经网络层的栈，它非常适合本教程将构建的前馈CNN(卷积神经网络)类型。

from keras.models import Sequential

接下来，将从Keras导入核心层，这些层是在任何神经网络中都要使用的层:

from keras.layers import Dense, Dropout, Activation, Flatten

然后，将从Keras导入CNN层，这些卷积层将帮助我们有效地训练图像数据:

from keras.layers import Convolution2D, MaxPooling2D

导入一些实用程序，用于转换数据:

from keras.utils import np_utils

导入backend，获取底层实现库的信息，例如可以获取支持的图像格式：

from keras import backend as K

现在，构建神经网络需要的模块和库都导入了。