可以替換mnist數據集的有哪些

㈠ Fashion-MNIST：替代MNIST手寫數字集的圖像數據集

Fashion-MNIST是替代經典MNIST手寫數字集的一個圖像數據集，由Zalando公司提供，包含10種類別的共7萬個不同商品的正面圖片。它的大小、格式和訓練集/測試集劃分與原始的MNIST完全一致，即60000/10000的訓練測試數據劃分，28x28的灰度圖片。它可以直接用於測試機器學習和深度學習演算法的性能，無需改動代碼。

為什麼要做Fashion-MNIST？經典MNIST數據集包含了大量手寫數字，成為了機器學習、機器視覺、人工智慧、深度學習領域研究者的基準之一。Fashion-MNIST作為直接替代品，目的在於無需修改代碼即可使用。它的圖片大小、訓練、測試樣本數及類別數與經典MNIST完全相同。

獲取Fashion-MNIST數據集的鏈接如下：

• train-images-idx3-ubyte.gz：訓練集的圖像，60,000樣本，26MB


• train-labels-idx1-ubyte.gz：訓練集的類別標簽，60,000樣本，29KB


• t10k-images-idx3-ubyte.gz：測試集的圖像，10,000樣本，4.2MB


• t10k-labels-idx1-ubyte.gz：測試集的類別標簽，10,000樣本，5.0KB

或者直接從代碼庫中下載，數據集位於"data/fashion"目錄下。代碼庫中還包含了一些用於評測和可視化的腳本。

每個訓練和測試樣本按照以下類別進行了標註：

• 0：T-shirt/top（T恤）


• 1：Trouser（褲子）


• 2：Pullover（套衫）


• 3：Dress（裙子）


• 4：Coat（外套）


• 5：Sandal（涼鞋）


• 6：Shirt（汗衫）


• 7：Sneaker（運動鞋）


• 8：Bag（包）


• 9：Ankle boot（踝靴）

如何載入數據？可以使用Python（需要安裝numpy）、Tensorflow或其他語言進行操作。經典機器學習模型的評測可以通過scikit-learn實現，並在Fashion-MNIST和經典MNIST上進行可視化。在論文中引用Fashion-MNIST時，請引用以下論文：

Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms. Han Xiao, Kashif Rasul, Roland Vollgraf. arXiv: TBA

論文將在Mon, 28 Aug 2017 00:00:00 GMT在arXiv上發表。