如何将tff官网中手写数字的案例修改成使用本地数据集fashion-mnist

您可以按照以下步骤将tff官网中手写数字的案例修改成使用本地数据集fashion-mnist：

1. 下载fashion-mnist数据集并解压缩。

2. 删除原始数据处理的 Python 文件（即`mnist.py`）并重新创建一个新的文件。

3. 使用以下代码读取fashion-mnist数据集：

from tensorflow import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.fashion_mnist.load_data()

4. 修改模型部分代码，例如将输入大小修改为28x28，并将输出大小修改为10：

def create_compiled_keras_model():
  model = tf.keras.models.Sequential([
      tf.keras.layers.Input(shape=(28, 28)),
      tf.keras.layers.Reshape(target_shape=(28, 28, 1)),
      tf.keras.layers.Conv2D(filters=32, kernel_size=5, padding="same", activation=tf.nn.relu),
      tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding="same"),
      tf.keras.layers.Conv2D(filters=64, kernel_size=5, padding="same", activation=tf.nn.relu),
      tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding="same"),
      tf.keras.layers.Flatten(),
      tf.keras.layers.Dense(512, activation=tf.nn.relu),
      tf.keras.layers.Dense(10)
  ])
  model.compile(
      loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
      optimizer=tf.keras.optimizers.SGD(learning_rate=0.01),
      metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])
  return model

5. 运行模型训练的 Python 文件时，将数据集名称修改为`fashion-mnist`，例如：

python federated_mnist.py --model=sequential --client_optimizer=sgd --client_learning_rate=0.1 --server_optimizer=sgd --server_learning_rate=1.0 --clients_per_round=10 --rounds=100 --train_epochs_per_round=1 --iid=1.0 --max_num_clients=10 --use_synthetic_data=False --data_dir=/path/to/fashion-mnist-data

请注意，您需要自己指定`/path/to/fashion-mnist-data`。

希望这能回答您的问题。