Датасет MNIST#

70,000

MNIST

ultralytics

publicClassify

MNIST is the classic benchmark of 70,000 unique 28 x 28 grayscale handwritten-digit images across classes 0 through 9. Created by Yann LeCun, Corinna Cortes, and Christopher J.C. Burges, it preserves the official 60,000-image train and 10,000-image test splits.

110 classes66.3 MBSep 2, 2026

0123+6

image-classificationmnisthandwritten-digits+1

Датасет MNIST (модифицированный Национальный институт стандартов и технологий) — это эталонный набор данных для классификации изображений, содержащий 70 000 чёрно-белых изображений рукописных цифр размером 28x28, разделённых на 10 классов — цифры от 0 до 9. Он поставляется с заранее заданным разделением на 60 000 обучающих и 10 000 тестовых изображений и долгое время служит стандартным эталоном для оценки алгоритмов машинного обучения и компьютерного зрения. Для более сложного аналога с изображениями одежды смотри связанный датасет Fashion-MNIST, а для цветных изображений — CIFAR-10.

Открой MNIST на платформе Ultralytics, чтобы просмотреть примеры, изучить статистику датасета и клонировать его для обучения.

Ключевые особенности#

• MNIST содержит 60 000 обучающих и 10 000 тестовых изображений рукописных цифр — всего 70 000 изображений.
• Каждое изображение представляет собой чёрно-белую картинку одной цифры размером 28x28, нормализованную и сглаженную в фиксированном ограничивающем прямоугольнике размером 28x28.
• 10 классов охватывают цифры от 0 до 9, причём количество изображений в каждом классе примерно одинаково.
• Датасет поставляется с заранее заданным разделением на обучающую и тестовую выборки, поэтому ручное или автоматическое разделение не требуется.
• MNIST — стандартный эталон для исследований классификации изображений и глубокого обучения.

Структура датасета#

MNIST поставляется с официальным заранее заданным разделением, поэтому автоматическое или ручное разбиение не требуется:

• Классы: 10 (рукописные цифры 0–9)
• Всего изображений: 70 000 (чёрно-белые, 28x28)
• Обучающая выборка: 60 000 изображений
• Тестовая выборка: 10 000 изображений

Каждое изображение помечено соответствующей цифрой (0–9), поэтому MNIST — это размеченный датасет с учителем, идеально подходящий для задач классификации.

Применения#

MNIST широко используется для обучения и оценки моделей классификации изображений — от классических свёрточных нейронных сетей (CNN) и метода опорных векторов (SVM) до современных глубоких архитектур. Небольшие чёрно-белые изображения и 10 классов цифр делают его быстрым и воспроизводимым эталоном для сравнения алгоритмов и экспериментов в области компьютерного зрения.

Некоторые распространённые применения:

• Сравнительная оценка новых алгоритмов классификации
• Образовательные цели и обучение концепциям машинного обучения
• Создание прототипов систем распознавания изображений
• Тестирование методов оптимизации моделей

Использование#

Обучи классификационную модель YOLO на MNIST в течение 100 эпох с размером изображения 28. При первом использовании датасет автоматически загружается и кэшируется; если тебе нужен полный контроль над предобработкой, исходные архивы gzip также доступны в базе данных MNIST. Полный список доступных аргументов смотри на странице Обучение и в руководстве по задаче классификации изображений.

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)

yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28

Примеры изображений и аннотаций#

Примеры изображений из датасета MNIST:

Примеры демонстрируют разнообразие почерков, представленное в датасете для всех 10 классов цифр.

Цитирование и благодарности#

Если ты используешь датасет MNIST в исследовательской или разработческой работе, укажи следующую статью:

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]},
         volume={2},
         year={2010}
}

Мы хотели бы выразить благодарность Yann LeCun, Corinna Cortes и Christopher J.C. Burges за создание и поддержку датасета MNIST как ценного ресурса для сообщества исследователей в области машинного обучения и компьютерного зрения. Дополнительную информацию о датасете MNIST и его создателях смотри на веб-сайте датасета MNIST.

Часто задаваемые вопросы#