Link to this sectionFashion-MNIST 数据集#

Fashion-MNIST 数据集是一个包含 Zalando 商品图像的数据库，由 60,000 个训练样本和 10,000 个测试样本组成。每个样本都是一张 28x28 的灰度图像，对应 10 个类别中的一个标签。Fashion-MNIST 旨在作为原始 MNIST 数据集的直接替代品，用于对机器学习算法进行基准测试。

Watch: How to do Image Classification on Fashion MNIST Dataset using Ultralytics YOLO26

Link to this section主要功能#

Fashion-MNIST 包含 60,000 张训练图像和 10,000 张测试图像，均为 Zalando 的商品图像。
该数据集由大小为 28x28 像素的灰度图像组成。
每个像素都有一个关联的像素值，用于表示该像素的明暗程度，数字越大表示颜色越深。此像素值为 0 到 255 之间的整数。
Fashion-MNIST 被广泛用于机器学习领域的训练和测试，特别是在图像分类任务中。

Link to this section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 张图像，用于测试和评估已训练的模型。

Link to this section标签#

每个训练和测试样本都被分配到以下标签之一：

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Link to this section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。该数据集简单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。

Link to this section用法#

要在 Fashion-MNIST 数据集上以 28x28 的图像大小训练 CNN 模型 100 个 epoch，你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("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

Link to this section示例图像和标注#

Fashion-MNIST 数据集包含 Zalando 商品的灰度图像，为图像分类任务提供了一个结构良好的数据集。以下是数据集中图像的一些示例：

Fashion-MNIST 服装分类数据集样本

该示例展示了 Fashion-MNIST 数据集中图像的多样性和复杂性，凸显了多样化数据集对于训练稳健的图像分类模型的重要性。

Link to this section致谢#

如果你在研究或开发工作中使用 Fashion-MNIST 数据集，请通过链接到 GitHub 仓库来对该数据集表示感谢。该数据集由 Zalando Research 提供。

Link to this section常见问题解答#

Link to this section什么是 Fashion-MNIST 数据集？它与 MNIST 有何不同？#

Fashion-MNIST 数据集收集了 70,000 张 Zalando 商品的灰度图像，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充当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、裤子和脚踝靴。

Link to this section如何训练 YOLO 模型使用 Fashion-MNIST 数据集？#

要训练 Ultralytics YOLO 模型使用 Fashion-MNIST 数据集，你可以同时使用 Python 和 CLI 命令。以下是一个入门的快速示例：

训练示例

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

有关更详细的训练参数，请参阅训练页面。

Link to this section为什么我应该使用 Fashion-MNIST 数据集来对我的机器学习模型进行基准测试？#

Fashion-MNIST 数据集在深度学习社区中被广泛认为是 MNIST 的稳健替代品。它提供了一组更复杂和多样的图像，使其成为基准测试图像分类模型的绝佳选择。该数据集包含 60,000 张训练图像和 10,000 张测试图像，每张图像都标记为 10 个类别之一，这使其非常适合在更具挑战性的环境中评估不同机器学习算法的性能。

Link to this section我可以使用 Ultralytics YOLO 进行像 Fashion-MNIST 这样的图像分类任务吗？#

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，YOLO26 支持多种视觉任务，如检测、实例分割、语义分割、分类、姿态估计和旋转目标检测。要开始使用图像分类任务，请参阅分类页面。