图像基本分类问题（TensorFlow2）

利用TensorFlow进行Fashion MNIST数据集的基本分类问题

图像标签及对应的类别

label	class
0	T-shirt/top（T-恤）
1	Trouser （裤子）
2	Pullover （套衫）
3	Dress（连衣裙）
4	Coat（大衣）
5	Sandal （凉鞋）
6	Skirt（衬衫）
7	Sneaker（运动鞋）
8	Bag（手提包）
9	ankle boot（踝靴）

1、导入包

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

2、载入fashion_mnist的数据集
图像是28x28NumPy数组，像素值在0到255之间。标签是一个整数数组，范围从0到9

fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data()
#补充每个类别的名称,组成一个list
class_names=['T-shirt/top','Trouser','Pullover','Dress','Coat',            'Sandal','Shirt','Sneaker','Bag','Ankle boot']
#输出训练集的特征的大小
print(train_images.shape)
#输出训练集的标签的大小
print(len(train_labels))
print(test_images.shape)
print(len(test_labels))

3、可视化第一个样本

#图像像素值位于 0 到 255 之间
plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.gca().grid(False)
plt.show()

4、预处理并可视化训练集前25张图像
归一化:对数据进行预处理，将其缩放，使所有像素值都在[0,1]区间内

train_images=train_images/255.0
test_images=test_images/255.0
#可视化
plt.figure(figsize=(10,10))#总体长和宽
#显示训练集中的前25张图像，并在每个图像下方显示类名
for i in range(25