数据处理模型构建：预训练模型、迁移学习、模型修改训练流程：训练/验证模式、损失函数、优化器、反向传播评估分析：准确率计算、模型保存、可视化主要不足准确率较低（约17.5%），需要调优，但本周时间有限，重新跑太久了，暂时先这样，后续再尝试改变参数以提升test-accuracy至60%以上缺少数据增强学习率策略可能不合适。

完整深度学习项目开发流程CNN模型构建与调优技巧过拟合防止方法实践训练过程监控与可视化模型评估与预测实现。

注意：如果提供的代码是独立运行的，那么必须确保train_images和test_images是numpy数组（或类似数组，支持除以浮点数）。原始MNIST数据集的形状可能是(60000, 28, 28)和(10000, 28, 28)，分别代表训练集和测试集的图像数量、图像高度和图像宽度。因此，这里将训练集和测试集的图像数据重塑为(60000, 28, 28, 1)和(10000, 28, 28