Fashion MNIST數據集介紹

一、總結

一句話總結：

甲)、Fashion-MNIST和mnist數據集非常相似，都是60000訓練10000測試，圖片也都是28*28

乙)、不過mnist是手寫數字0-9分類，Fashion MNIST是服裝的分類（T恤、衣服、褲子、鞋子等）

 

 

二、Fashion MNIST數據集介紹

轉自或參考：【手記】MNIST終結者：Fashion-MNIST - 簡書
https://www.jianshu.com/p/2ed1707c610d

 

Fashion-MNIST克隆了MNIST的所有外在特征：

• 60000張訓練圖像和對應Label；
• 10000張測試圖像和對應Label；
• 10個類別；
• 每張圖像28x28的分辨率；
• 4個GZ文件名稱都一樣；

對於已有的MNIST訓練程序，只要修改下代碼中的數據集讀取路徑，或者殘暴的用Fashion-MNIST數據集文件將MNIST覆蓋，替換就瞬間完成了。

不同的是，Fashion-MNIST不再是抽象符號，而是更加具象化的人類必需品——服裝，共10大類：

Label	Description
0	T恤（T-shirt/top）
1	褲子（Trouser）
2	套頭衫（Pullover）
3	連衣裙（Dress）
4	外套（Coat）
5	涼鞋（Sandal）
6	襯衫（Shirt）
7	運動鞋（Sneaker）
8	包（Bag）
9	靴子（Ankle boot）

 

 

 

 

Fashion Mnist

如果我們訓練的模型能夠識別出不同的服裝類型，是不是覺得離“智能”更進一步了？沒錯。Fashion-MNIST要難得多。

我用一個3層全連接神經網絡對它做了測試。對於MNIST可以達到95%識別率的訓練代碼，去訓練Fashion-MNIST，最后模型識別率猛降了10個百分點。

對於一個人工智能算法，是否可用的一個根本性度量標准就是：不亞於人類。85%已然是不可用的狀態。盡管如此，事情變的更有意思了，不是嗎？

更多的算法Benchmark在這里（非深度學習），官方README中收集了未驗證的深度學習算法的Benchmark。

 

本篇所用代碼tf_fashion_mnist.py的測試結果：

 

 

識別Fashion-MNIST