tenserflow fashion-mnist中训练数目和训练集数目不符

import tensorflow as tf
import matplotlib.pyplot as plt

fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data()  #导入数据

plt.imshow(train_images[0])
#print(train_images[0])
#print(train_labels[0])
plt.show()
print(train_images.shape)
print(test_images.shape)

train_images = train_images/255.0
test_images = test_images/255.0

model = tf.keras.models.Sequential([tf.keras.layers.Flatten(),
                                    tf.keras.layers.Dense(128,activation = tf.nn.relu),
                                    tf.keras.layers.Dense(10,activation = tf.nn.softmax)])

model.compile(optimizer = 'Adam',loss='sparse_categorical_crossentropy')
model.fit(train_images,train_labels,epochs=5)
model.evaluate(test_images,test_labels)

如下是我的结果： 

用shape测试过训练集是60000和验证集是10000，但最后训练数目和验证数目为1875和313，为原来的1/32，为啥？？？？ 

先说训练集，这里需要引入batch_size的概念，意思就是每次训练的批次大小为多少，60000 = 1875 x 32(这个就是batch_size)，意思就是每次训练的批次大小为32，那么60000大小的数据集，总共就是1875个批次

再说验证集，312 x 32(这个就是batch_size) + 16(最后一个批次的大小) = 10000，意思就是每次验证的批次大小为32，那么10000大小的数据集，总共就是312+1个批次，最后一个批次大小为16(tensorflow有两种选择，通过设置参数选择是否丢弃这个批次)