仅作学习使用
Fashion MNIST 数据集，其中包含 70,000 张灰阶图像。
我们使用了其中的 60,000 张图像训练网络，并使用剩余的 10,000 张测试网络效果。
为了将这些图像提供给神经网络，我们需要将 28 × 28 图像扁平化为有 784 个元素的一维向量。
我们的网络包括一个全连接层，其中有 128 个单元（神经元）；以及一个输出层，其中有 10 个单元，对应于 10 个输出标签。这 10 个输出表示每个类别的概率。我们使用 softmax 激活函数计算概率分布。
仅作学习使用
Fashion MNIST 数据集，其中包含 70,000 张灰阶图像。
我们使用了其中的 60,000 张图像训练网络，并使用剩余的 10,000 张测试网络效果。
为了将这些图像提供给神经网络，我们需要将 28 × 28 图像扁平化为有 784 个元素的一维向量。
我们的网络包括一个全连接层，其中有 128 个单元（神经元）；以及一个输出层，其中有 10 个单元，对应于 10 个输出标签。这 10 个输出表示每个类别的概率。我们使用 softmax 激活函数计算概率分布。