人工智能之Fashion Mnist数据集多分类任务，3个任务python源码+文档说明

# 第一周作业 #### 介绍 人工智能之Fashion Mnist数据集多分类任务，3个任务： 任务一 （homework-fashion-mnist.ipynb） 搭建模型，要求设置两层隐层： 第一层隐层设置：神经元个数256，初始化方法为glorot_normal，激活函数为tanh 第二层隐层设置：神经元个数128，初始化方法为glorot_normal，激活函数为tanh 然后，运行模型训练和测试集评估代码。 任务二 （homework-fashion-mnist-earlystopping.ipynb） 请尝试使用课上讲的提前终止的方法解决过拟合，使用到的api如下： tf.keras.callbacks.EarlyStopping 用到的参数： monitor：监控的数据，一般为'val_loss'。 min_delta：定义模型改善的最小量，只有大于min_delta才会认为模型有改善，默认为0。 patience：有多少个epoch，模型没有改善，训练就会停止，默认为0。 restore_best_weights：是否使用监控数据最好的模型参数，如果是False，使用的是训练最后一步的模型参数，默认False。 任务三 根据以下表格，设置网络的初始化方法和激活函数，将Test Accuracy的最终结果填入  疑问： 1.为什么accuracy那么低？ 2.隐层怎样设置多层？ 3.使用EarlyStopping时，epochs设置150和500，accuracy没多大变化； 4.使用EarlyStopping时，退出每次不同？