MNIST 数据集

MNIST（修改后的美国国家标准与技术研究院）数据集是一个大型手写数字数据库，通常用于训练各种图像处理系统和机器学习模型。它是通过对 NIST 原始数据集中的样本进行 "重新混合 "而创建的，已成为评估图像分类算法性能的基准。

主要功能

• MNIST 包含 60,000 张手写数字训练图像和 10,000 张测试图像。
• 数据集由大小为 28x28 像素的灰度图像组成。
• 对图像进行归一化处理，使其适合 28x28 像素的边界框，并进行抗锯齿处理，引入灰度级。
• MNIST 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

MNIST 数据集分为两个子集：

1. 训练集：该子集包含 60,000 张手写数字图像，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。

扩展的 MNIST（EMNIST）

扩展 MNIST (EMNIST) 是 NIST 开发并发布的一个较新的数据集，是 MNIST 的继承者。MNIST 仅包含手写数字的图像，而 EMNIST 则包含 NIST 第 19 号特殊数据库中的所有图像，这是一个包含手写大小写字母和数字的大型数据库。EMNIST 中的图像通过与 MNIST 图像相同的流程转换成相同的 28x28 像素格式。因此，使用较早、较小的 MNIST 数据集的工具很可能可以在 EMNIST 中正常工作。

应用

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 32x32 的 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("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="mnist", epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28

图片和注释示例

MNIST 数据集包含手写数字的灰度图像，为图像分类任务提供了一个结构良好的数据集。下面是该数据集中的一些图像示例：

该示例展示了 MNIST 数据集中手写数字的多样性和复杂性，突出了多样化数据集对训练强大图像分类模型的重要性。

引文和致谢

如果您在使用 MNIST 数据集时

研究或开发工作，请引用以下论文：

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]. Available: http://yann.lecun.com/exdb/mnist},
         volume={2},
         year={2010}
}

感谢 Yann LeCun、Corinna Cortes 和 Christopher J.C. Burges 创建并维护 MNIST 数据集，使其成为机器学习和计算机视觉研究界的宝贵资源。有关 MNIST 数据集及其创建者的更多信息，请访问MNIST 数据集网站。

常见问题

什么是 MNIST 数据集，为什么它在机器学习中很重要？

MNIST数据集，即修改后的美国国家标准与技术研究院数据集，是一个广泛使用的手写数字集合，用于训练和测试图像分类系统。它包括 60,000 张训练图像和 10,000 张测试图像，所有图像均为灰度，大小为 28x28 像素。该数据集的重要性在于它是评估图像分类算法的标准基准，帮助研究人员和工程师比较各种方法并跟踪该领域的进展。

如何使用Ultralytics YOLO 在 MNIST 数据集上训练模型？

要使用Ultralytics YOLO 在 MNIST 数据集上训练模型，可以按照以下步骤进行：

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="mnist", epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28

有关可用培训论点的详细列表，请参阅培训页面。

MNIST 和 EMNIST 数据集之间有什么区别？

MNIST 数据集只包含手写数字，而扩展 MNIST (EMNIST) 数据集则同时包含数字和大小写字母。EMNIST 是作为 MNIST 的后继数据集而开发的，使用相同的 28x28 像素图像格式，因此与为原始 MNIST 数据集设计的工具和模型兼容。EMNIST 中的字符范围更广，因此可用于更广泛的机器学习应用。

我能否使用Ultralytics HUB 在 MNIST 等自定义数据集上训练模型？

是的，您可以使用Ultralytics HUB 在 MNIST 等自定义数据集上训练模型。Ultralytics HUB 提供友好的用户界面，用于上传数据集、训练模型和管理项目，无需丰富的编码知识。有关如何开始的详细信息，请查看Ultralytics HUB 快速入门页面。

📅创建于 1 年前 ✏️已更新 1 个月前

评论