fashionmnist数据集分类代码

以下是使用TensorFlow 2.x进行FashionMNIST数据集分类的示例代码：

import tensorflow as tf
from tensorflow import keras

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = keras.datasets.fashion_mnist.load_data()

# 将像素值缩放到0到1之间
train_images = train_images / 255.0
test_images = test_images / 255.0

# 定义模型
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=10)

# 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

在此代码中，我们首先加载FashionMNIST数据集。然后，我们将输入像素值缩放到0到1之间，以便更好地训练模型。接下来，我们定义了一个简单的神经网络模型，其中包含一个输入层、一个隐藏层和一个输出层。我们使用'sparse_categorical_crossentropy'作为损失函数，并使用'adam'优化器进行训练。最后，我们在测试集上评估模型并输出测试准确性。