fashion-mnist简介和使用及下载

这个数据集是我们国家的一个大佬制作的，还发表了论文：Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms

paper 地址：https://arxiv.org/abs/1708.07747

GitHub地址：https://github.com/zalandoresearch/fashion-mnist

数据集以及论文打包上传了：数据集和论文

数据集的内容是这样的：

其中值得我们关注的是数据制作的方法：

最原始图片是背景为浅灰色的，分辨率为762*1000 的JPEG图片。然后经过resampled 到 51*73 的彩色图片。然后依次经过以下7个步骤，最终得到28*28的灰度图

JPEG –> PNG
裁剪背景
按比例： max(h,w)28max(h,w)28 将图像缩放，也就是将一个维度缩放至28
锐化
再扩充至28*28，再把object调整至图片中央
将负的像素点剔除
转化成28*28的灰度图

简单的使用例子：

import  tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_datafashion = input_data.read_data_sets('data/fashion', one_hot=True)print(fashion.train.images.shape)
print(fashion.train.labels.shape)batch_size = 100
batch_num = fashion.train.num_examples // batch_size#定义X,Y参数
x = tf.placeholder(tf.float32, shape=[None, 784])
y = tf.placeholder(tf.float32, shape=[None, 10])
#定义W,B参数
W = tf.Variable(tf.truncated_normal([784, 10], stddev= 0.1))
b = tf.Variable(tf.zeros([10]) + 0.1)#预测结果
prediction = tf.nn.softmax(tf.matmul(x, W) + b)
#使用交叉熵计算loss
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=prediction, labels=y))
#定义优化器
train_step = tf.train.GradientDescentOptimizer(0.2).minimize(cross_entropy)
#判断预测结果是否正确
correct_prediction = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))
#计算准确率，将bool值转为float32
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))with tf.Session() as sess:sess.run(tf.global_variables_initializer())for epoch in range(21):for i in range(batch_num):batch_xs, batch_ys = fashion.train.next_batch(batch_size)sess.run(train_step, feed_dict={x: batch_xs, y:batch_ys})acc = sess.run(accuracy, feed_dict={x:fashion.test.images, y:fashion.test.labels})print('Epoch: '+str(epoch)+',acc: '+str(acc))

fashion-mnist简介和使用及下载相关推荐

计算机视觉两个入门数据集（mnist和fashion mnist）本地下载地址
1.计算机视觉经典数据集 1.mnist数据集 MNIST(Mixed National Institute of Standards andTechnology database)数据集大家可以说是 ...
深度学习之自编码器（2）Fashion MNIST图片重建实战
深度学习之自编码器(2)Fashion MNIST图片重建实战 1. Fashion MNIST数据集 2. 编码器 3. 解码器 4. 自编码器 5. 网络训练 6. 图片重建完整代码自编码器 ...
tensorflow卷积神经网络实战：Fashion Mnist 图像分类与人马分类
卷积神经网络实战:Fashion Mnist 图像分类与人马分类一.FashionMnist的卷积神经网络模型 1.卷积VS全连接 2.卷积网络结构 3.卷积模型结构 1)Output Shape ...
TensorFlow(Keras) 一步步实现Fashion MNIST衣服鞋子图片分类 (2) Coursera深度学习教程分享
@[TOC](Coursera TensorFlow(Keras) 一步步手写体Fashion Mnist识别分类(2) Tensorflow和ML, DL 机器学习/深度学习Coursera教程分享 ...
fashionmnist数据集_Keras实现Fashion MNIST数据集分类
本篇用keras构建人工神经网路(ANN)和卷积神经网络(CNN)实现Fashion MNIST 数据集单个物品分类,并从模型预测的准确性方面对ANN和CNN进行简单比较. Fashion MNIST ...
Pytorch初学实战(一)：基于的CNN的Fashion MNIST图像分类
1.引言 1.1.什么是Pytorch PyTorch是一个开源的Python机器学习库. 1.2.什么是CNN 卷积神经网络(Convolutional Neural Networks)是一种深度学 ...
【人工智能项目】Fashion Mnist识别实验
[人工智能项目]Fashion Mnist识别实验本次主要通过四个方法对fashion mnist进行识别实验,主要为词袋模型.hog特征.mlp多层感知器和cnn卷积神经网络.那么话不多说,走起来 ...
采用SVM实现实现MNIST手写体分类，数据下载链接在http://yann.lecun.com/exdb/mnist/上。上传源码和实现结果，语言不限。
基于OpenCV的MNIST手写体分类简介实验要求实验环境 OpenCV的配置总体概览在python中绘制开始上手OpenCV 查看完整内容简介 MNIST 数据集来自美国国家标准与技术 ...
Fashion MNIST数据集的处理——“...-idx3-ubyte”文件解析
Fashion MNIST MNIST数据集可能是计算机视觉所接触的第一个图片数据集.而 Fashion MNIST 是在遵循 MNIST 的格式和大小的基础上,提升了一定的难度,在比较算法的性能时可 ...
Fashion MNIST
原文: Fashion MNIST An MNIST-like dataset of 70,000 28x28 labeled fashion images Fashion-MNIST is a da ...

fashion-mnist简介和使用及下载

fashion-mnist简介和使用及下载相关推荐

最新文章

热门文章