fashion-mnist.zip 用Tensorflow对服装图像进行分类实训报告 Tensorflow实现服装图像分类

本项目的一开始会为学生介绍Tensorflow以及一些深度学习的基本知识和代码操作。之后会让学生进行深度学习的基础任务：图像分类。 本项目使用 [Fashion MNIST](https://github.com/zalandoresearch/fashion-mnist) 数据集，该数据集包含 10 个类别的 70,000 个灰度图像。这些图像以低分辨率（28x28 像素）展示了单件衣物，Fashion MNIST 旨在临时替代经典数据集，后者常被用作计算机视觉机器学习程序的“Hello, World”。MNIST 数据集包含手写数字（0、1、2 等）的图像，其格式与使用的衣物图像的格式相同。这两个数据集都相对较小，都用于验证某个算法是否按预期工作。对于代码的测试和调试，它们都是很好的起点。 在本项目中，我们使用 60,000 个图像来训练网络，使用 10,000 个图像来评估网络学习对图像分类的准确率。我们分别做了三个任务： 任务1：Tensorflow基础操作 任务2.对服装图像进行分类 任务3.KerasTuner超参数调节