fashion-mnist - 是 Zalando 文章图像的数据集，由 60,000 个样本的训练集和 10,000 个样本的测试集组成

项目介绍：Fashion-MNIST

什么是Fashion-MNIST？

Fashion-MNIST是由Zalando公司推出的一组服饰图像数据集，用来取代经典的手写数字数据集MNIST，作为机器学习算法的基准测试。该数据集包含6万张训练用例和1万张测试用例，每个用例都是一个28x28的灰度图像，并附有十个类别之一的标签。这些类别包括T恤、裤子、毛衣、裙子、外套、凉鞋、衬衫、运动鞋、包和短靴。

为什么创建Fashion-MNIST？

原始的MNIST数据集充满了手写数字，因其简单易用，深受人工智能、机器学习和数据科学界的喜爱，是检验算法的标准。然而，长期以来，MNIST逐渐变得过于简单，无法代表现代计算机视觉任务。因此，Zalando推出了Fashion-MNIST，旨在提供一个更具挑战性和更贴近真实世界的基准，以推动机器学习研究。

如何获取数据？

许多机器学习库已经内置了Fashion-MNIST数据集，如TensorFlow、PyTorch、Keras等。除此之外，用户还可以从Zalando的官方网站下载数据，以与原始MNIST相同的格式进行存储。

数据标签

Fashion-MNIST的标签分为以下十类：

0: T-shirt/top
1: Trouser
2: Pullover
3: Dress
4: Coat
5: Sandal
6: Shirt
7: Sneaker
8: Bag
9: Ankle boot

使用方法

为了加载Fashion-MNIST数据，研究人员可以使用多种编程语言和机器学习框架提供的API。例如，在Python中，可以借助NumPy库或使用TensorFlow来读取数据。随着不同机器学习平台对Fashion-MNIST的支持增加，该数据集的使用更加便捷。

基准测试

为检验各类算法的性能，Zalando构建了一个基于scikit-learn的自动化基准测试系统，涵盖129种不同分类器。这些结果提供了研究人员可以参考的准确率和实现细节，帮助他们在自己的算法中取得更好的表现。

可视化

为了展示不同算法在Fashion-MNIST上的表现，Zalando提供了多种可视化技术，如t-SNE、PCA等。这些图示对比了Fashion-MNIST与原始MNIST，直观展示了不同算法的分类效果。

参与贡献

Zalando邀请感兴趣的开发者通过其开源平台贡献代码，帮助完善和扩展Fashion-MNIST的数据和工具支持。如果你希望参与，可以通过查看其贡献指南来了解如何开始。

联系方式

如果对Fashion-MNIST有任何疑问或讨论需求，可以通过Gitter的相应讨论区进行交流。

论文引用

使用Fashion-MNIST数据集的研究人员可以引用其创始论文《Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms》。

许可证

通过Fashion-MNIST，研究人员可以更好地模拟真实世界的机器学习挑战，推动相关技术的发展和应用。