懂AI
fashion-mnist

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

Fashion-MNIST数据集，由Zalando的服装图片构成，包含60,000个训练样本与10,000个测试样本。此数据集设计为替代传统的MNIST，提供与10类标签关联的28x28灰度图像，为全球AI及数据科学领域的研究者带来全新挑战，促进技术的发展。

Fashion-MNIST机器学习数据集Zalando神经网络Github开源项目
访问官网GitHubHugging Face论文文档

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

Fashion-MNIST采用MIT许可证，允许任何人免费使用、修改和分发该数据集。用户应保证在使用时附上原始版权声明和许可证文本。

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。

编辑推荐精选

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

下拉加载更多