翻译校正，格式校验

docs/dl-keras/handwritten-digit-recognition-using-convolutional-neural-networks-python-keras.md

@@ -256,7 +256,7 @@ num_classes = y_test.shape[1]
 
 1.  第一个隐藏层是卷积层，称为 Convolution2D。该层具有 32 个特征图，其大小为 5×5，并具有非线性激活函数。这是输入层，预期结构轮廓在[像素] [宽度] [高度]以上的图像。
 2.  接下来，我们定义一个池化层，它采用最大的 MaxPooling2D。池大小设置为 2×2。
-3.  下一层是使用 dropout 的正则化层，称为 Dropout。它被配置为随机消除除层中 20％的神经元以减少过度拟合。
+3.  下一层是使用 dropout 的正则化层，称为 Dropout。它被配置为随机消除层中 20％的神经元以减少过度拟合。
 4.  接下来是将 2D 矩阵数据转换为名为 Flatten 的向量的层。它允许输出由标准的完全连接层处理。
 5.  接下来是具有 128 个神经元和非线性激活函数的完全连接层。
 6.  最后，输出层有 10 个类的 10 个神经元和 softmax 激活函数，为每个类输出类似概率的预测。