model.compile(loss='binary_crossentropy', optimizer=optimizer ) 分类损失函数 和优化器
model.compile(loss='mean_squared_error', optimizer='adam') # 回归损失函数和优化器 keras.layers.Dense(1,activation='relu')# 1个全链接 这个是回归 ，分类必须使用activation="softmax" metrics=["acc"] 计算准确率
softmax 的交叉熵损失函数 如果数据的分类标签是 数字 0 1 0 2 2 0 这种 就用sparse_categorical_crossentropy
如果样本标签是one-hot编码，则用 categorical_crossentropy函数 one-hot 编码：[0, 0, 1], [1, 0, 0], [0, 1, 0]
加载数据
(train_image,train_labei),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data()train_image.shape # 是一个三维度的数据 （60000，28，28）
print(train_image[1])cal_crossentropy",metrics=["acc"])
构建网络原则