Modelo não treina com 60000 registros do keras.datasets.fashion_mnist

Estou utilizando o keras.datasets.fashion_mnist conforme o curso:

dataset = keras.datasets.fashion_mnist
((imagens_treino, identificacoes_treino), (imagens_teste, identificacoes_teste)) = dataset.load_data()

onde imagens_treino.shape retorna (60000, 28, 28), entretanto quando vou montar o modelo:

modelo = keras.Sequential([ 
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(256, activation=tensorflow.nn.relu),
    keras.layers.Dense(10, activation=tensorflow.nn.softmax)
])

modelo.compile(optimizer='adam', loss='sparse_categorical_crossentropy')

modelo.fit(imagens_treino, identificacoes_treino, epochs=5)

obtenho como saída o seguinte resultado:

Epoch 1/5
1875/1875 [==============================] - 5s 3ms/step - loss: 4.0112
Epoch 2/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.5784
Epoch 3/5
1875/1875 [==============================] - 5s 3ms/step - loss: 0.5347
Epoch 4/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.5310
Epoch 5/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.4975
<tensorflow.python.keras.callbacks.History at 0x7efcab52da58>

No exemplo do curso o modelo treina com os 60000 registros. Alguém tem alguma ideia do que pode estar acontecendo?