设计一个对MNIST处理的CNN网络，网络结构和参数要求如下表，其中每一次的MaxPooling后都添加系数为0.25的Dropout

层。

| 层级 | 名称 | 参数 |
|------|-------------|---------------------------------------|
| 1 | 卷积层 | 输入：28 x 28 x 1，卷积核：5 x 5 x 32 |
| 2 | 激活层 | 激活函数：ReLU |
| 3 | MaxPooling层 | 池化核：2 x 2，步长：2 |
| 4 | Dropout层 | 概率：0.25 |
| 5 | 卷积层 | 输入：14 x 14 x 32，卷积核：5 x 5 x 64 |
| 6 | 激活层 | 激活函数：ReLU |
| 7 | MaxPooling层 | 池化核：2 x 2，步长：2 |
| 8 | Dropout层 | 概率：0.25 |
| 9 | Flatten层 | |
| 10 | 全连接层 | 输出维度：128 |
| 11 | 激活层 | 激活函数：ReLU |
| 12 | Dropout层 | 概率：0.5 |
| 13 | 输出层 | 输出维度：10 |
| 14 | 激活层 | 激活函数：Softmax |

代码实现如下：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Dropout, Flatten, Dense, Activation

model = Sequential()

# 卷积层1
model.add(Conv2D(32, (5, 5), input_shape=(28, 28, 1)))
model.add(Activation('relu'))

# MaxPooling层1
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Dropout(0.25))

# 卷积层2
model.add(Conv2D(64, (5, 5)))
model.add(Activation('relu'))

# MaxPooling层2
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Dropout(0.25))

# Flatten层
model.add(Flatten())

# 全连接层1
model.add(Dense(128))
model.add(Activation('relu'))
model.add(Dropout(0.5))

# 输出层
model.add(Dense(10))
model.add(Activation('softmax'))

# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 输出模型结构
model.summary()