时尚-MNIST 数据集

时尚-MNIST数据集是一个 Zalando 文章图片数据库，包括一个由 60,000 个示例组成的训练集和一个由 10,000 个示例组成的测试集。每个示例都是 28x28 灰度图像，与 10 个类别中的一个标签相关联。时尚-MNIST 数据集可直接替代原始的 MNIST 数据集，用于机器学习算法的基准测试。

观看： 如何使用时尚 MNIST 数据集进行图像分类Ultralytics YOLOv8

主要功能

• 时尚-MNIST 包含 60,000 张训练图像和 10,000 张 Zalando 文章图像的测试图像。
• 数据集由大小为 28x28 像素的灰度图像组成。
• 每个像素都有一个像素值，表示该像素的亮度或暗度，数值越大表示越暗。像素值是介于 0 和 255 之间的整数。
• 时尚-MNIST 被广泛用于机器学习领域的训练和测试，尤其是图像分类任务。

数据集结构

时尚-MNIST 数据集分为两个子集：

1. 训练集：该子集包含 60,000 张图像，用于训练机器学习模型。
2. 测试集：该子集由 10,000 张图像组成，用于测试和基准测试训练有素的模型。

标签

每个训练和测试示例都会被分配到以下标签之一：

1. T 恤/上衣
2. 裤装
3. 套头衫
4. 连衣裙
5. 外套
6. 凉鞋
7. 衬衫
8. 运动鞋
9. 袋子
10. 踝靴

应用

时尚-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，如卷积神经网络（CNN）、支持向量机（SVM）和其他各种机器学习算法。该数据集格式简单、结构合理，是机器学习和计算机视觉领域研究人员和从业人员的重要资源。

使用方法

要在图像大小为 28x28 的时尚-MNIST 数据集上对 CNN 模型进行 100 次历时训练，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。

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

图片和注释示例

时尚-MNIST 数据集包含 Zalando 文章图片的灰度图像，为图像分类任务提供了一个结构良好的数据集。下面是数据集中的一些图像示例：

该示例展示了时尚-MNIST 数据集中图像的多样性和复杂性，突出了多样化数据集对训练强大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了时尚-MNIST 数据集，请链接至GitHub 存储库，以示对数据集的认可。本数据集由 Zalando Research 提供。

常见问题

什么是时尚-MNIST 数据集，它与 MNIST 有什么不同？

时尚-MNIST数据集是 Zalando 文章图像的 70,000 张灰度图像的集合，旨在作为原始 MNIST 数据集的现代替代。它是图像分类任务中机器学习模型的基准。与包含手写数字的 MNIST 不同，Fashion-MNIST 包含 28x28 像素的图像，分为 10 个与时尚相关的类别，如 T 恤/上衣、裤子和踝靴。

如何在时尚-MNIST 数据集上训练YOLO 模型？

要在时尚-MNIST 数据集上训练Ultralytics YOLO 模型，可以同时使用Python 和CLI 命令。下面是一个快速入门的示例：

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-cls.pt")

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

yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

有关更详细的培训参数，请参阅培训页面。

为什么要使用时尚-MNIST 数据集为我的机器学习模型设定基准？

时尚-MNIST数据集在深度学习领域被广泛认为是 MNIST 的有力替代品。该数据集提供了更加复杂多样的图像集，是图像分类模型基准测试的绝佳选择。该数据集的结构包括 60,000 张训练图像和 10,000 张测试图像，每张图像都标有 10 个类别中的一个，因此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。

我能否使用Ultralytics YOLO 来完成像时尚-MNIST 这样的图像分类任务？

是的，Ultralytics YOLO 模型可用于图像分类任务，包括涉及时尚-MNIST 数据集的任务。YOLOv8例如，......支持各种视觉任务，如检测、分割和分类。要开始执行图像分类任务，请参阅分类页面。

时尚-MNIST 数据集的主要特点和结构是什么？

时尚-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 个时尚相关类别中的一个。该数据集结构简单、格式合理，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。有关数据集结构的详细信息，请参阅数据集结构部分。

如何确认在我的研究中使用了时尚-MNIST 数据集？

如果您在研究或开发项目中使用时尚-MNIST 数据集，请务必链接到GitHub 存储库，以示认可。这有助于将数据归功于 Zalando Research，因为是 Zalando Research 将数据集提供给公众使用。

评论