TFのwrapperであるkerasを使い、Fashion-MNISTを分類する、MLP（中間層が1層）を構築した。TFのグラフを理解するため、Tensorboardを活用した。
今回、Tensorboardを使って、うまくできなかったところは、tf.Placeholderやtf.Variableをわかりやすく表示すること。やり方が分かったら、アップデートすることにする。
Tensorboardを使って可視化した、TFグラフ
flatten: 入力値を1次元化(flatten)する
全結合層（Dense layer）に流し込むために、1次元にする必要がある。
(nbatch, 28, 28)→(nbatch, 784)
flatten_inputをflattenのノードに入力する。
flattenのボックスをクリックすると、右側にflattenノードの詳細情報を見ることが出来る。
-
Subgraph: 4 nodes:flattenノードをクリックしていくと、ノード内のグラフ（４つのノードからなる）を見ることができる。
-
Inputs (1): インプットはflatten_inputのみ。 -
Outputs (2):denseノード（ロスを計算するため）とtrainingノード（中のAdamノードに渡される。自動微分で必要であるためか？）
dense→dropout→dense1：全結合層（+Relu活性化）→ドロップアウト→出力層（+Softmax活性化）
このアーキテクチャーは、入力層が１つ、中間層（ドロップアウト有）が１つ、出力層が１つ、のMLP。
denselayer
-
Matmulノード：flattenノードのアウトプットと、kernelノードのアウトプット（重みW）を掛ける。 -
BiasAddノード：Matmulノードのアウトプットと、biasノードのアウトプット（バイアスb）を足す。
dropoutlayer
-
condノード：たぶん、ドロップアウトするかどうかの条件（conditionを適用するノード） -
keras_learning_phaseノード：ドロップアウトするMLPのノードを決めるための乱数をアウトプットしているはず。
lossノード
詳しくはわからないが、cross entropyを計算しているはず。出力はtrainingノードに入力しており、AdamOptimiserを使って、訓練が行われる。
