Fashion-MNIST

目录

• 为什么要做这个数据集？
• 获取数据
• 如何载入数据？
• 基准测试
• 数据可视化
• 参与贡献
• 联系
• 在论文中引用Fashion-MNIST
• License

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。

这个数据集的样子大致如下（每个类别占三行）：

为什么要做这个数据集？

经典的MNIST数据集包含了大量的手写数字。十几年来，来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议，期刊的论文中发现这个数据集的身影。实际上，MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道：“如果一个算法在MNIST不work, 那么它就根本没法用；而如果它在MNIST上work, 它在其他数据上也可能不work！”

Fashion-MNIST的目的是要成为MNIST数据集的一个直接替代品。作为算法作者，你不需要修改任何的代码，就可以直接使用这个数据集。Fashion-MNIST的图片大小，训练、测试样本数及类别数与经典MNIST完全相同。

写给专业的机器学习研究者

我们是认真的。取代MNIST数据集的原因由如下几个：

• MNIST太简单了。 很多深度学习算法在测试集上的准确率已经达到99.6%！不妨看看我们基于scikit-learn上对经典机器学习算法的评测 和这段代码： “Most pairs of MNIST digits can be distinguished pretty well by just one pixel”（翻译：大多数MNIST只需要一个像素就可以区分开！）
• MNIST被用烂了。 参考：“Ian Goodfellow wants people to move away from mnist”（翻译：Ian Goodfellow希望人们不要再用MNIST了。）
• MNIST数字识别的任务不代表现代机器学习。 参考：“François Cholle: Ideas on MNIST do not transfer to real CV” （翻译：在MNIST上看似有效的想法没法迁移到真正的机器视觉问题上。）

获取数据

很多的机器学习库已经内置了Fashion-MNIST数据或接口，方便你直接使用。

你可以使用以下链接下载这个数据集。Fashion-MNIST的数据集的存储方式和命名与经典MNIST数据集完全一致。

名称	描述	样本数量	文件大小	链接	MD5校验和
train-images-idx3-ubyte.gz	训练集的图像	60,000	26 MBytes	下载	8d4fb7e6c68d591d4c3dfef9ec88bf0d
train-labels-idx1-ubyte.gz	训练集的类别标签	60,000	29 KBytes	下载	25c81989df183df01b3e8a0aad5dffbe
t10k-images-idx3-ubyte.gz	测试集的图像	10,000	4.3 MBytes	下载	bef4ecab320f06d8554ea6380940ec79
t10k-labels-idx1-ubyte.gz	测试集的类别标签	10,000	5.1 KBytes	下载	bb300cfdad3c16e7a12a480ee83cd310

或者，你可以直接克隆这个代码库。数据集就放在data/fashion下。这个代码库还包含了一些用于评测和可视化的脚本。

git clone git@github.com:zalandoresearch/fashion-mnist.git

类别标注

每个训练和测试样本都按照以下类别进行了标注：

标注编号	描述
0	T-shirt/top（T恤）
1	Trouser（裤子）
2	Pullover（套衫）
3	Dress（裙子）
4	Coat（外套）
5	Sandal（凉鞋）
6	Shirt（汗衫）
7	Sneaker（运动鞋）
8	Bag（包）
9	Ankle boot（踝靴）

如何载入数据？

使用Python (需要安装numpy)

• 你可以直接使用utils/mnist_reader：

import mnist_reader
X_train, y_train = mnist_reader.load_mnist('data/fashion', kind='train')
X_test, y_test = mnist_reader.load_mnist('data/fashion', kind='t10k')

使用Tensorflow

请确保你已经下载了我们的数据集并把它放到了data/fashion下。不然， Tensorflow会自动下载并使用原始的MNIST。

from tensorflow.examples.tutorials.mnist import input_data
data = input_data.read_data_sets('data/fashion')

data.train.next_batch(BATCH_SIZE)

注意，Tensorflow (master ver.) 支持向read_data_sets函数传入MNIST数据集的地址。你可以使用：

data = input_data.read_data_sets('data/fashion', source_url='http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/')

Tensorflow的官网也提供了一份使用高级APItf.keras训练Fashion-MNIST的详细教程，你可以在这里查看它。

使用其它机器学习库

截止今日，以下软件库中已内置了对Fashion-MNIST的支持。你只需要按照他们的文档载入Fashion-MNIST即可使用此数据集。

• Apache MXNet Gluon
• deeplearn.js
• Kaggle
• Pytorch
• Keras
• Edward
• Tensorflow
• Torch
• JuliaML
• Chainer (latest)