~~~ **## 1.準備數據集** ~~~ ~~~ **## 2.預處理數據** ~~~ ~~~ **##3.構建模型 ，設置層和編譯模型** ~~~ ~~~ **##4.訓練模型** 1. 將訓練數據饋送到模型中，在本示例中為`train_images`和`train_labels`數組。 2. 模型學習將圖像與標簽相關聯。 3. 我們要求模型對測試集進行預測，在本示例中為`test_images`數組。 4. 我們會驗證預測結果是否與`test_labels`數組中的標簽一致。 ~~~ ~~~ **## 4.評估準確率** 結果表明，模型在測試數據集上的準確率略低于在訓練數據集上的準確率。訓練準確率和測試準確率之間的這種差異表示出現過擬合。如果機器學習模型在新數據上的表現不如在訓練數據上的表現，就表示出現過擬合 ~~~ ~~~ **## 5.做出預測** ~~~