是我大作业的代码了哈哈，要是需要带注释的可以私聊哈哈 代码使用方法： 1. 读取数据集 2. 初始化模型参数（选择哪个模型就初始化哪个） 3.定义激活函数（只有选择带隐含层的模型才需要激活函数） 4.防止过拟合（只有选择带隐含层的模型才需要防止过拟合，不过因为下面我们用的权重衰减在训练是也有定义，所以我们需要也给它加个定义） 5.定义模型（选择哪个模型就定义哪个） 6.定义损失函数 7. 定义优化函数 8.训练模型（训练结束可进行绘图） 9. 进行预测 可变参数： 1.选择模型（三种模型，可选用） 2.激活函数（两种） 3.防止过拟合（两种方法，可选用也可都用） 权重衰减（通过lambd 来调整， lambd = 0 即不使用此方法） 丢弃法（通过定义模型时选择） 4.损失函数（咱们的代码只用了一种） 5.优化方法（咱们的代码只用了一种） 6.训练模型（迭代周期数num_epochs和学习率lr可调） 7.定义数据集时小批量的大小

Fashion-MNIST图像数据集是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。 之前用Pycharm下载总是很忙且容易出错，后来发现可以下载后直接加载，很方便

Fashion-MNIST数据集，10类图片，其目录结构已经创建好，可以直接放到py文件同目录下，包含raw和processed

Fashion-MNIST 是一个时尚服饰略缩图数据集，包括 60000 张训练图像和 10000 张测试图像，每张图像为 28x28 灰度图。

fashion-MNIST数据集源文件，四个压缩包

fashion-mnist-train 详细测试结果参考目录下的fashion_mnist.docm 三种机器学习分类器： 随机森林 KNN 朴素贝叶斯 卷积网络结构 两层卷积层，一个全连接层 数据集 fashion-mnist 机器学习工具 sk-learn 深度学习框架 pytorch(GPU) 运行代码流程 1.获取数据集 解压fashion_mnist目录下的fashion_mnist_data.zip，共4个文件，为训练集、测试集、训练集标签、测试集标签。 2.数据可视化和标签制作 运行make_data.py，可以在fashion_mnist下得到训练集和测试集的图片文件、训练集和测试集标签。 3.机器学习分类器测试 运行train_minst.py，可以测试三种不同机器学习分类器的性能。 4.深度学习卷积网络测试 运行fashion_mnist_cnn.py,可以改变超参数L

用Fashion MNIST进行数据集分类的数据

下载好的Keras的Fashion MINIST数据集，解压到%UserProfile%\.keras\目录下，也就是C:\Users\\.keras\ 参考文章：https://blog.csdn.net/hansel/article/details/89430423

tensorflow官方数据集fashion-mnist，深度学习常用数据集，load_data()

其中有包含了10个类别的图像，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。