神经网络实战之Fashion-MNIST

采用的是层方式，全连接进行前向传播

Fashion-MNIST 时尚物品数据集

训练集为 60,000 张 28x28 像素灰度图像，测试集为 10,000 同规格图像，总共 10 类时尚物品标签。该数据集可以用作 MNIST 的直接替代品。类别标签是

from_tensor_slices

数据集后加载- 迭代
numpy ------>tensorflow ——>iter
from_tensor_slices抽象数据集迭代
tf.data.Dataset.from_tensor_slices创建了一个最简单的Dataset
作用：

• 将其转换成tensor类型
• 切分传入Tensor的第一个维度，生成相应的dataset

dataset = tf.data.Dataset.from_tensor_slices(np.random.uniform(size=(5, 2)))

传入的数值是一个矩阵，它的形状为(5, 2)，tf.data.Dataset.from_tensor_slices就会切分它形状上的第一个维度，最后生成的dataset中一个含有5个元素，每个元素的形状是(2, )，即每个元素是矩阵的一行
在实际使用中，我们可能还希望Dataset中的每个元素具有更复杂的形式，如每个元素是一个Python中的元组，或是Python中的词典。例如，在图像识别问题中，一个元素可以是{“image”: image_tensor, “label”: label_tensor}的形式，这样处理起来更方便。

tf.data.Dataset.from_tensor_slices同样支持创建这种dataset，例如我们可以让每一个元素是一个词典：

dataset = tf.data.Dataset.from_tensor_slices(
    {
   
        "a": np.array([1.0, 2.0, 3.0, 4.0, 5.0]),