Tập dữ liệu MNIST#

70,000

MNIST

ultralytics

publicClassify

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

10 classes66.3 MBAug 21, 2026

0123+6

image-classificationmnisthandwritten-digits+1

Bộ dữ liệu MNIST (Modified National Institute of Standards and Technology) là một chuẩn đánh giá image classification gồm 70.000 ảnh thang xám 28x28 chứa chữ số viết tay trải dài trên 10 lớp — các chữ số từ 0 đến 9. Bộ dữ liệu đi kèm với phân chia định sẵn gồm 60.000 ảnh huấn luyện và 10.000 ảnh kiểm thử, từ lâu đã đóng vai trò là chuẩn đánh giá tiêu chuẩn để đánh giá các thuật toán machine learning và computer vision. Để tìm phiên bản tương đương khó hơn về hình ảnh quần áo, hãy xem bộ dữ liệu Fashion-MNIST có liên quan; đối với hình ảnh màu, hãy xem CIFAR-10.

Khám phá MNIST trên Ultralytics Platform để xem trước các mẫu, kiểm tra thống kê dataset và nhân bản nó để huấn luyện.

Tính năng chính#

• MNIST chứa 60.000 hình ảnh huấn luyện và 10.000 hình ảnh kiểm tra của các chữ số viết tay, với tổng cộng 70.000 hình ảnh.
• Mỗi hình ảnh là một bức ảnh thang xám 28x28 của một chữ số đơn lẻ, được chuẩn hóa và khử răng cưa thành một bounding box 28x28 cố định.
• 10 lớp bao gồm các chữ số 0–9, với số lượng hình ảnh mỗi lớp gần như cân bằng.
• Nó đi kèm với một phân tách train/test được xác định trước, vì vậy không cần phải phân tách thủ công hoặc tự động.
• MNIST là một chuẩn đánh giá tiêu chuẩn cho nghiên cứu về image classification và deep learning.

Cấu trúc tập dữ liệu#

MNIST đi kèm với một phân tách chính thức được xác định trước, vì vậy không cần phân vùng tự động hoặc thủ công:

• Lớp: 10 (chữ số viết tay 0–9)
• Tổng số ảnh: 70.000 (28x28 thang độ xám)
• Tập huấn luyện: 60.000 hình ảnh
• Tập kiểm tra: 10.000 hình ảnh

Mỗi hình ảnh được dán nhãn với chữ số tương ứng của nó (0–9), khiến MNIST trở thành một tập dữ liệu có giám sát lý tưởng cho các tác vụ phân loại.

Ứng dụng#

MNIST được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình image classification, từ các Convolutional Neural Networks (CNN) và Support Vector Machines (SVM) cổ điển đến các kiến trúc deep learning hiện đại. Các hình ảnh thang xám nhỏ và 10 lớp chữ số của nó tạo thành một chuẩn đánh giá nhanh, có thể tái tạo để so sánh thuật toán và thử nghiệm computer vision.

Một số ứng dụng phổ biến bao gồm:

• Đánh giá các thuật toán phân loại mới
• Mục đích giáo dục để giảng dạy các khái niệm học máy
• Tạo mẫu nhanh cho các hệ thống nhận diện ảnh
• Kiểm tra các kỹ thuật tối ưu hóa model

Cách sử dụng#

Huấn luyện một mô hình phân loại YOLO trên MNIST trong 100 epochs ở kích thước ảnh 28. Bộ dữ liệu sẽ tự động tải xuống và lưu vào bộ nhớ đệm trong lần sử dụng đầu tiên; nếu bạn thích kiểm soát hoàn toàn quá trình tiền xử lý, các kho lưu trữ gzip gốc cũng có sẵn từ MNIST database. Để xem danh sách đầy đủ các tham số có sẵn, hãy xem trang Training và hướng dẫn tác vụ 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)

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

Hình ảnh mẫu và chú thích#

Hình ảnh mẫu từ tập dữ liệu MNIST:

Các mẫu hiển thị phạm vi phong cách chữ viết tay mà tập dữ liệu thu thập được trên 10 lớp chữ số.

Trích dẫn và Ghi nhận#

Nếu bạn sử dụng tập dữ liệu MNIST trong nghiên cứu hoặc công việc phát triển của mình, vui lòng trích dẫn bài báo sau:

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

Chúng tôi xin cảm ơn Yann LeCun, Corinna Cortes và Christopher J.C. Burges vì đã tạo và duy trì bộ dữ liệu MNIST như một nguồn tài nguyên quý giá cho cộng đồng nghiên cứu machine learning và computer vision. Để biết thêm thông tin về bộ dữ liệu MNIST và những người tạo ra nó, hãy truy cập MNIST dataset website.

Câu hỏi thường gặp#