填写 python 代码，在 Begin-End 段中构建出如下结构的卷积神经网络： 64 个 5*5 的卷积核组成的卷积层，激活函数为 relu； 最大池化层，池化核大小为 2*2； 扁平； 128 个神经元的全连接层，激活函数为 relu； 10 个神经元的全连接层，激活函数为 softmax。

好的，以下是您所需要的代码：

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

model = Sequential()
model.add(Conv2D(64, (5,5), activation='relu', input_shape=(28,28,1)))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(10, activation='softmax'))

上述代码中，我们使用了Keras框架来构建卷积神经网络。其中，Conv2D层表示卷积层，MaxPooling2D层表示最大池化层，Flatten层表示扁平层，Dense层表示全连接层。在卷积层和全连接层中，我们指定了激活函数为relu。在全连接层中，我们指定了输出神经元数量为128和10，并且最后一层使用softmax激活函数用于输出分类概率。