这是一个基于 PyTorch 实现的 AlexNet 网络，用于对 Fashion-MNIST 数据集进行分类任务。项目包含完整的训练、验证和评估流程。

• 使用经典的 AlexNet 网络结构进行图像分类
• 支持 Fashion-MNIST 数据集的加载与自动划分
• 提供模型训练、验证及测试功能
• 可视化训练过程中的准确率和损失曲线

• dataset.py: 数据集加载与划分
• model.py: AlexNet 网络结构定义
• train.py: 训练与验证流程实现
• evaluate.py: 模型评估模块
• checkpoints/: 模型保存目录
• results/: 训练结果图像输出目录

请确保已安装以下依赖库：

• PyTorch
• torchvision
• matplotlib

可通过以下命令安装：

pip install torch torchvision matplotlib

运行 train.py 文件以开始训练模型：

python train.py

训练过程中会自动划分训练集和验证集，并在训练完成后保存模型。

使用 evaluate.py 对模型进行评估：

python evaluate.py

训练过程中会记录准确率和损失，使用 train.py 中的 matplot_acc_loss 函数可绘制训练曲线。

本项目实现的是经典的 AlexNet 网络结构，适用于图像分类任务。默认输出类别数为 10，适用于 Fashion-MNIST 数据集。

项目使用 Fashion-MNIST 数据集��包含 10 个类别的服装图像，每个类别有 7000 张图像。数据集会自动下载并划分。

训练完成后，准确率和损失曲线将保存在 results/ 目录下，文件名格式为 train_curves_YYYYMMDD_HHMMSS.png。

欢迎提交 Pull Request 或提出 Issue。请确保代码风格一致，并提供清晰的提交信息。

本项目遵循 MIT 许可证。详情请查看仓库中的 LICENSE 文件。