Fashion-MNIST数据集
The Fashion-MNIST数据集是一个 Zalando 商品图像数据库，包含 60,000 个训练样本和 10,000 个测试样本。每个样本都是 28x28 灰度图像，并关联一个来自 10 个类别的标签。Fashion-MNIST 旨在作为原始 MNIST 数据集的直接替代品，用于基准测试机器学习算法。
观看： 如何做 图像分类 在 Fashion MNIST 数据集上使用 Ultralytics YOLO11
主要功能
- Fashion-MNIST包含60,000张训练图像和10,000张测试图像，这些图像来自Zalando的商品图片。
- 该数据集包含大小为 28x28 像素的灰度图像。
- 每个像素都有一个与其关联的像素值，表示该像素的亮度或暗度，数字越大表示越暗。此像素值是介于 0 到 255 之间的整数。
- Fashion-MNIST在机器学习领域，特别是图像分类任务中，被广泛用于训练和测试。
数据集结构
Fashion-MNIST 数据集分为两个子集：
- 训练集: 此子集包含 60,000 张图像，用于训练机器学习模型。
- 测试集：此子集包含 10,000 张用于测试和评估已训练模型的图像。
标签
每个训练和测试示例都分配给以下标签之一：
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
应用
Fashion-MNIST数据集广泛用于训练和评估图像分类任务中的深度学习模型，例如卷积神经网络 (CNN)、支持向量机 (SVM) 以及各种其他机器学习算法。该数据集简洁且结构良好的格式使其成为机器学习和计算机视觉领域研究人员和从业者的重要资源。
用法
要在 Fashion-MNIST 数据集上训练一个图像尺寸为 28x28、进行 100 个epoch的 CNN 模型，您可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。
训练示例
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
# Start training from a pretrained *.pt model
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
Sample Images 和注释
Fashion-MNIST 数据集包含 Zalando 文章图像的灰度图像，为图像分类任务提供了结构良好的数据集。以下是该数据集中的一些图像示例：
该示例展示了 Fashion-MNIST 数据集中图像的多样性和复杂性，强调了多样化数据集对于训练鲁棒图像分类模型的重要性。
致谢
如果您在研究或开发工作中使用 Fashion-MNIST 数据集，请通过链接到GitHub 仓库来致谢该数据集。该数据集由 Zalando Research 提供。
常见问题
Fashion-MNIST数据集是什么，它与MNIST有何不同？
The Fashion-MNIST数据集是一个包含 70,000 张 Zalando 商品灰度图像的集合，旨在作为原始 MNIST 数据集的现代替代品。它在图像分类任务中作为机器学习模型的基准。与包含手写数字的 MNIST 不同，Fashion-MNIST 由 28x28 像素的图像组成，分为 10 个时尚相关类别，例如 T 恤/上衣、裤子和踝靴。
如何使用 Fashion-MNIST 数据集训练 YOLO 模型？
要在 Fashion-MNIST 数据集上训练 Ultralytics YOLO 模型，您可以使用 Python 和 CLI 命令。这是一个快速入门示例：
训练示例
from ultralytics import YOLO
# Load a pretrained model
model = YOLO("yolo11n-cls.pt")
# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
有关更详细的训练参数，请参阅训练页面。
为什么我应该使用Fashion-MNIST数据集来基准测试我的机器学习模型？
The Fashion-MNIST数据集在深度学习社区中被广泛认可为 MNIST 的强大替代品。它提供了更复杂多样的图像集，使其成为基准测试图像分类模型的绝佳选择。该数据集的结构包含 60,000 张训练图像和 10,000 张测试图像，每张都标有 10 个类别之一，使其成为在更具挑战性的环境中评估不同机器学习算法性能的理想选择。
我可以使用Ultralytics YOLO执行Fashion-MNIST等图像分类任务吗？
是的，Ultralytics YOLO 模型可用于图像分类任务，包括涉及 Fashion-MNIST 数据集的任务。例如，YOLO11 支持多种视觉任务，如 detect、segment 和 classification。要开始图像分类任务，请参阅分类页面。
Fashion-MNIST数据集的主要特性和结构是什么？
Fashion-MNIST 数据集分为两个主要子集：60,000 张训练图像和 10,000 张测试图像。每张图像都是 28x28 像素的灰度图片，代表 10 个与时尚相关的类别之一。其简洁和结构良好的格式使其非常适合在机器学习和 计算机视觉 任务中训练和评估模型。有关数据集结构的更多详细信息，请参阅 数据集结构部分。
如何在我的研究中致谢 Fashion-MNIST 数据集的使用？
如果您在研究或开发项目中使用Fashion-MNIST数据集，务必通过链接到GitHub仓库来致谢。这有助于将数据归功于Zalando Research，他们将此数据集公开可用。
