基于fashion_mnist数据集，建立mlp模型，实现服饰图片十分类。

1、实现图像数据加载、可视化
2、进行数据预处理：维度转化，归一化、输出结果格式转化
3、建立mlp模型，进行模型训练与预测，计算模型在训练、测试数据集的准确率
4、选取一个测试样本，预测其类别
5、选取测试集前10个样本，分别预测其类别

提示：
模型结构：两层隐藏层（激活函数：relu），分别有392、196个神经元；输出层10类，激活函数softmax

提示2：
一个替代MNIST手写数字集的图像数据集， 涵盖了来自10种类别的共7万个不同服饰商品的正面图片，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度图片。

官方网站 ：
https://github.com/zalandoresearch/fashion-mnist
一共4个文件，训练集、训练集标签、测试集、测试集标签
#图像加载与展示
from keras.datasets import fashion_mnist
(X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
print(type(X_train),’\n’,X_train.shape)