MNIST 数据集

Q: What is the MNIST dataset, and why is it important in machine learning?

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。

Q: How can I use Ultralytics YOLO to train a model on the MNIST dataset?

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：有关可用训练参数的详细列表，请参阅训练页面。

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，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：

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。
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。

列车示例

PythonCLI

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

# Start training from a pretrained *.pt model
cnn detect train data=mnist model=yolov8n-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：

数据集样本图像

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：

BibTeX

@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：