1. 加载fashion-mnist数据集(第3章中有介绍),将其分为一个训练集、一个验证集和一

测试集。这可以通过使用sklearn库中的`train_test_split`函数来实现。

首先，我们需要先加载fashion-mnist数据集。可以通过使用`from tensorflow.keras.datasets import fashion_mnist`来引入fashion-mnist数据集。然后，使用`load_data()`函数将数据集加载到变量中，例如`(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()`。

然后，我们可以使用`train_test_split`函数来将数据集分为训练集、验证集和测试集。`train_test_split`函数通过传递参数来指定要分割的数据和测试集的大小。例如，可以使用下面的代码将数据集分成70%的训练集和30%的测试集和验证集：

from sklearn.model_selection import train_test_split

x_train, x_val, y_train, y_val = train_test_split(x_train, y_train, test_size=0.3, random_state=42)

在上面的代码中，`x_train`和`y_train`是之前加载的训练集，`x_val`和`y_val`是分割后的验证集，`x_test`和`y_test`是之前加载的测试集。`test_size`参数指定了测试集和验证集大小的比例，这里是30%。`random_state`参数用来控制数据集的随机性。

最后，你可以继续使用这些分割后的数据集进行模型的训练和测试。