Fashion-MNIST学习资料汇总 - 替代MNIST的时尚产品图像数据集

Fashion-MNIST简介

Fashion-MNIST是由Zalando开源的一个图像数据集,包含70,000张28x28像素的灰度图片,共10个类别。其中训练集60,000张,测试集10,000张。Fashion-MNIST的目的是为了替代经典的MNIST手写数字数据集,成为机器学习算法的新基准测试集。

Fashion-MNIST具有以下特点:

• 与MNIST格式完全相同,可以直接替换MNIST使用
• 包含10个时尚产品类别,比手写数字更有挑战性
• 保持了MNIST的简洁性,适合快速实验和测试算法

数据集下载

可以通过以下方式获取Fashion-MNIST数据集:

1. 直接下载:

   • 训练集图像
   • 训练集标签
   • 测试集图像
   • 测试集标签

2. 克隆GitHub仓库:

   git clone git@github.com:zalandoresearch/fashion-mnist.git
   

3. 使用各种机器学习库提供的API直接加载(见下文)

使用方法

Fashion-MNIST可以像使用MNIST一样直接使用,主流深度学习框架都已内置支持:

TensorFlow/Keras

from tensorflow.keras.datasets import fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

PyTorch

from torchvision.datasets import FashionMNIST
trainset = FashionMNIST(root='./data', train=True, download=True)
testset = FashionMNIST(root='./data', train=False, download=True)

其他支持的库

• scikit-learn
• Keras
• TensorFlow
• Apache MXNet
• Kaggle
• Torch
• JuliaML
• Chainer

基准测试

Fashion-MNIST官方提供了一个基于scikit-learn的自动化基准测试系统,涵盖了129种传统机器学习分类器。

此外,社区也贡献了大量基于各种深度学习模型的基准测试结果,目前最佳测试精度为96.7%(使用WRN-28-10模型)。

可视化

Fashion-MNIST数据集的可视化效果:

t-SNE降维可视化对比:

相关资源

• Fashion-MNIST: Year in Review - 项目一周年总结
• Fashion-MNIST on Google Scholar - 相关学术研究论文
• Kaggle Fashion-MNIST - Kaggle上的数据集和竞赛

总结

Fashion-MNIST作为MNIST的替代品,为机器学习研究者和从业者提供了一个更具挑战性的基准数据集。本文介绍了Fashion-MNIST的基本信息、获取方式、使用方法和相关资源,希望能帮助读者快速上手使用这个数据集。欢迎探索Fashion-MNIST,挑战你的机器学习算法!