1. 彩色 / 灰度图的训练测试规范："封装在函数里"
简单说就是把 "训练模型" 和 "测试模型" 的代码，分别写成两个独立的函数（比如叫train()和test()）。
- 好处：代码更整洁，想训练就调用
train()，想测试就调用test()，后续复用也方便。
2. 展平操作："除 batchsize 外全部展平"
比如你有一张彩色图，形状是[batchsize, 高, 宽, 通道数]（比如[32, 28, 28, 3]，代表 32 张 28×28 的 3 通道彩色图）。"展平" 就是把高、宽、通道数这几个维度合并成一个维度，变成[32, 28×28×3]（也就是[32, 2352]）。
- 目的：把图片的 "二维像素 + 通道" 变成 "一维向量"，方便后续模型计算。
3. dropout 操作："训练丢、测试关"
dropout 是防止模型 "学太死" 的技巧：
- 训练阶段：随机让一部分神经元 "罢工"（不参与计算），避免模型过度依赖某些神经元。
- 测试阶段 ：要切换到
eval模式，把 dropout 关掉（所有神经元都工作），这样才能得到稳定的测试结果。