مجموعة بيانات MNIST#
مجموعة بيانات MNIST (المعهد الوطني المعياري للتقنية المعدل) هي معيار لـ image classification يتكون من 70,000 صورة رمادية بحجم 28x28 لأرقام مكتوبة بخط اليد تمتد عبر 10 فئات — الأرقام من 0 إلى 9. تأتي مع تقسيم محدد مسبقاً يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، وطالما عملت كمعيار قياسي لتقييم خوارزميات machine learning وcomputer vision. بالنسبة لنظيرها الأصعب لصور الملابس، راجع مجموعة بيانات Fashion-MNIST ذات الصلة؛ وللصور الملونة، راجع CIFAR-10.
استكشف MNIST on Ultralytics Platform لمعاينة العينات، وفحص إحصائيات مجموعة البيانات، واستنساخها لأغراض التدريب.
الميزات الرئيسية#
- تحتوي MNIST على 60,000 صورة تدريب و10,000 صورة اختبار لأرقام مكتوبة بخط اليد، ليصبح المجموع 70,000 صورة.
- كل صورة هي صورة رمادية بحجم 28x28 لرقم فردي، تم تسويتها وإزالة التعرجات منها في bounding box ثابت بحجم 28x28.
- تمتد الفئات العشر من الأرقام 0-9، مع عدد متوازن تقريباً من الصور لكل فئة.
- تأتي المجموعة مع تقسيم محدد مسبقاً للتدريب/الاختبار، لذا لا يلزم إجراء أي تقسيم يدوي أو تلقائي.
- مجموعة بيانات MNIST هي معيار قياسي لأبحاث image classification وdeep learning.
هيكل مجموعة البيانات#
تأتي MNIST مع تقسيم رسمي محدد مسبقاً، لذا لا حاجة لأي تقسيم يدوي أو تلقائي:
- الفئات: 10 (أرقام مكتوبة بخط اليد 0-9)
- إجمالي الصور: 70,000 (28x28 رمادية)
- مجموعة التدريب: 60,000 صورة
- مجموعة الاختبار: 10,000 صورة
لا تحتوي MNIST على مجلد منفصل للتحقق، لذا تستخدم Ultralytics مجموعة اختبار الـ 10,000 صورة كتقسيم للتحقق أثناء التدريب بشكل افتراضي.
يتم تصنيف كل صورة بالرقم المقابل لها (0-9)، مما يجعل MNIST مجموعة بيانات خاضعة للإشراف مثالية لمهام التصنيف.
التطبيقات#
تُستخدم مجموعة بيانات MNIST على نطاق واسع لتدريب وتقييم نماذج image classification، بدءاً من شبكات Convolutional Neural Networks (CNNs) الكلاسيكية وSupport Vector Machines (SVMs) وصولاً إلى الهياكل العميقة الحديثة. تجعلها صورها الرمادية الصغيرة وفئات الأرقام العشرة معياراً سريعاً وقابلاً للتكرار لمقارنة الخوارزميات وتجارب computer vision.
تشمل بعض التطبيقات الشائعة ما يلي:
- تقييم خوارزميات التصنيف الجديدة
- الأغراض التعليمية لتدريس مفاهيم تعلم الآلة
- وضع نماذج أولية لأنظمة التعرف على الصور
- اختبار تقنيات تحسين النماذج
الاستخدام#
قم بتدريب نموذج تصنيف YOLO على MNIST لمدة 100 epochs بحجم صورة يبلغ 28. يتم تنزيل مجموعة بيانات وتخزينها مؤقتاً تلقائياً عند الاستخدام الأول؛ وإذا كنت تفضل التحكم الكامل في المعالجة المسبقة، فإن أرشيفات gzip الأصلية متوفرة أيضاً من MNIST database. للحصول على القائمة الكاملة للمعاملات المتاحة، راجع صفحة Training ودليل مهمة image classification.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="mnist", epochs=100, imgsz=28)تعرض Ultralytics أيضاً data="mnist160"، وهو جزء يحتوي على 160 صورة يضم الصور الثماني الأولى لكل رقم (0-9) من كل من تقسمي التدريب والاختبار. إنه يعكس بنية دليل MNIST، بحيث يمكنك تبديل مجموعات البيانات دون تغيير أي معاملات أخرى — وهو مثالي لخطوط أنابيب CI أو فحوصات الصحة العقلية قبل الالتزام بمجموعة البيانات الكاملة البالغة 70,000 صورة.
yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28صور وشروحات توضيحية عينة#
صور عينة من مجموعة بيانات MNIST:
تُظهر العينات نطاق أساليب الكتابة اليدوية التي تلتقطها مجموعة البيانات عبر فئات الأرقام العشر.
الاقتباسات والشكر#
إذا كنت تستخدم مجموعة بيانات MNIST في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة البحثية التالية:
@article{lecun2010mnist,
title={MNIST handwritten digit database},
author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
journal={ATT Labs [Online]},
volume={2},
year={2010}
}نود أن نشكر يان ليكون، وكورينا كورتيس، وكريستوفر ج.س. بورغيس لإنشاء والحفاظ على مجموعة بيانات MNIST كمورد قيم لمجتمع أبحاث machine learning وcomputer vision. لمزيد من المعلومات حول مجموعة بيانات MNIST ومبتكريها، تفضل بزيارة MNIST dataset website.
الأسئلة الشائعة#
مجموعة بيانات MNIST هي معيار لـ 70,000 صورة رمادية بحجم 28x28 لأرقام مكتوبة بخط اليد، مقسمة إلى 60,000 صورة تدريب و10,000 صورة اختبار عبر الفئات العشر 0-9. إنها المرجع القياسي لتقييم خوارزميات image classification — حيث يتيح تنسيقها الصغير والموحد للباحثين والمهندسين مقارنة الطرق وتتبع التقدم بأقل قدر من الإعداد، ولهذا السبب تظل المعيار الأول الشائع في التعلم الآلي.
تحتوي MNIST على 10 فئات - الأرقام المكتوبة بخط اليد من 0 إلى 9 - وإجمالي 70,000 صورة رمادية، كل منها بحجم 28x28 بكسل. تأتي المجموعة مع تقسيم محدد مسبقاً يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، مع عدد متساوٍ تقريباً من الأمثلة لكل رقم.
لتدريب نموذج Ultralytics YOLO على MNIST، استخدم مقاطع البرامج النصية أدناه. يتم تنزيل مجموعة البيانات تلقائياً عند الاستخدام الأول. للحصول على قائمة مفصلة بمعاملات التدريب المتاحة، راجع صفحة Training.
مثال على التدريبfrom ultralytics import YOLO # Load a model model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training) # Train the model results = model.train(data="mnist", epochs=100, imgsz=28)تأتي MNIST مع تقسيم محدد مسبقاً يضم 60,000 صورة للتدريب و10,000 صورة للاختبار. على عكس مجموعات بيانات التصنيف القائمة على المجلدات التي تقوم Ultralytics بتقسيمها تلقائياً، يتم استخدام التقسيم الرسمي لـ MNIST كما هو، وتعمل مجموعة الاختبار كتقسيم للتحقق أثناء التدريب بشكل افتراضي.
تحتوي مجموعة بيانات MNIST على أرقام مكتوبة بخط اليد فقط، بينما تتضمن مجموعة بيانات (EMNIST) الموسعة أرقاماً وحروفاً كبيرة وصغيرة. تم تطوير EMNIST كخلف لـ MNIST وتستخدم نفس تنسيق 28x28 بكسل، مما يجعلها متوافقة مع الأدوات والنماذج المصممة لمجموعة بيانات MNIST الأصلية. هذا النطاق الأوسع من الأحرف يجعل EMNIST مفيدة لمجموعة متنوعة من تطبيقات التعلم الآلي.
نعم. تتيح لك Ultralytics Platform تحميل مجموعات البيانات، وتدريب نماذج image classification، ونشرها دون برمجة مكثفة. إنها طريقة ملائمة لتشغيل تجارب MNIST في السحاب — راجع classification datasets overview للتعرف على الخيارات ذات الصلة.
MNIST أبسط من العديد من مجموعات البيانات الحديثة مثل CIFAR-10 أو ImageNet، مما يجعلها مثالية للمبتدئين والتجارب السريعة. وفي حين أن مجموعات البيانات الأكثر تعقيداً توفر تحديات أكبر مع الصور الملونة وفئات الكائنات المتنوعة، تظل MNIST قيّمة لبساطتها، وحجم ملفها الصغير، وأهميتها التاريخية في تطوير خوارزميات التعلم الآلي. للحصول على بديل جاهز أصعب بنفس البنية، راجع Fashion-MNIST، الذي يحتوي على عناصر ملابس بدلاً من الأرقام.