主要记录在读入数据所产生的一些问题。
在tensorflow.keras.datasets中，提供mnist数据集的自动下载。下载之后，返回的是两个元组，分别是训练集和测试集，测试集60000张图片和label，训练集是10000张图片和label。图片大小分别是28*28。在fit时候，可以是numpy类型，也可以是dataset类型。对于两种不同的数据类型，对于网络模型的input_shape，也是有需要注意的地方。下面进行记录
- 用dataset有很多好处，可以用tensorflow中很多自带的对数据的处理函数，例如dataset.map(precoess)
- 用numpy格式读入进行训练，可以得到是成功的，每个batch是1.
- 将tuple转成dataset对象，用以上网络进行训练，发现不可行，对输入格式错误
- 因此，我们将其增加维度，使其变成28*28*1，发现在输入时候，格式依旧不对。因此，应该是增加前面的维度。
- 因此，我们将格式变成 none*28*28，训练得以成功，或者，我们可以将上面的输入改成28*28*1
- 经上面，如果dataset类型为输入集，input_shape如果为28*28，那么dataset须为 None*28*28，如果inpu_shape为28*28*1，那么dataset须为 None*28*28*1
