2023學(xué)年完整公開(kāi)課版FashionMNIST數(shù)據(jù)集簡(jiǎn)介

1.1

機(jī)學(xué)習(xí)概覽歡迎進(jìn)入《數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)》課程學(xué)習(xí)第4單元機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)DNN應(yīng)用-服裝服飾智能分揀DNN應(yīng)用-服裝服飾智能分揀簡(jiǎn)單DNN實(shí)現(xiàn)服裝服飾智能分揀02

Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介01多層DNN實(shí)現(xiàn)服裝服飾智能分揀03Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介服裝服飾智能分揀系統(tǒng)所使用的數(shù)據(jù)集是由Zalando（一家德國(guó)的時(shí)尚科技公司）旗下的研究部門(mén)提供，涵蓋了來(lái)自10種類(lèi)別（T恤、褲子、套頭衫、連衣裙、外套、涼鞋、襯衫、運(yùn)動(dòng)鞋、包和踝靴）共7萬(wàn)個(gè)不同商品的正面圖片。

本單元主要介紹了Fashion-MNIST數(shù)據(jù)集的特點(diǎn)和屬性，掌握用TensorFlow導(dǎo)入數(shù)據(jù)集的方法，掌握使用TensorFlow框架搭建簡(jiǎn)單DNN模型和多層DNN模型的方法及訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過(guò)程，并實(shí)現(xiàn)服裝服飾數(shù)據(jù)集可視化效果。Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介Fashion-MNIST數(shù)據(jù)集Fashion-MNIST數(shù)據(jù)集是由MNIST數(shù)據(jù)集發(fā)展而來(lái),包含6萬(wàn)張訓(xùn)練圖片和一萬(wàn)張測(cè)試圖片構(gòu)成，這些圖片進(jìn)行預(yù)處理和格式化，均為黑白色，尺寸大小為28×28像素并居中，下圖所示是Fashion-MNIST數(shù)據(jù)集的圖片，這些圖片不再是傳統(tǒng)的png和jpg，因?yàn)閜ng或jpg格式的圖片很多干擾信息，為了壓縮數(shù)據(jù)，提高訓(xùn)練速度，一般將這些圖片處理為簡(jiǎn)易的二維數(shù)組。Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介Fashion-MNIST數(shù)據(jù)集圖1：Fashion-MNIST數(shù)據(jù)集Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介獲取Fashion-MNIST數(shù)據(jù)集

通過(guò)/zalandoresearch/fashion-mnist/blob/master/README.zh-CN.md下載Fashion-MNIST數(shù)據(jù)集，下載完成后，包括以下4個(gè)文件夾。train-labels-idx1-ubyte.gz：訓(xùn)練集標(biāo)記文件train-images-idx3-ubyte.gz：訓(xùn)練集圖片文件t10k-labels-idx1-ubyte.gz：測(cè)試集標(biāo)記文件t10k-images-idx3-ubyte.gz：測(cè)試集圖片文件train-images-idx3-ubyte.gz訓(xùn)練集圖片文件中有6萬(wàn)張圖片數(shù)據(jù)，每一張圖片像素是28×28，將一張圖片展開(kāi)成向量（一維數(shù)組），長(zhǎng)度為28×28=784，此時(shí)訓(xùn)練集圖片是一個(gè)形狀為[60000,784]的張量（二維數(shù)組），第一個(gè)維度數(shù)字用來(lái)索引圖片，第二個(gè)維度數(shù)字用來(lái)索引每張圖片中的像素點(diǎn)，圖片里的某個(gè)像素的強(qiáng)度值介于0-1之間。Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介使用TensorFlow加載Fashion-MNIST數(shù)據(jù)集importtensorflowastffromtensorflowimportkeras#從keras數(shù)據(jù)集導(dǎo)入fashion_mnist=keras.datasets.fashion_mnist#加載訓(xùn)練集合測(cè)試集(x_train_all,y_train_a),(x_test,y_test)=fashion_mnist.load_data()#把訓(xùn)練集分為驗(yàn)證集和訓(xùn)練集x_valid,x_train=x_train_all[:5000],x_train_all[5000:]y_valid,y_train=y_train_a[:5000],y_train_a[5000:]#打印shape，都是numpy格式，如圖2print(x_valid.shape,y_valid.shape)print(x_train.shape,y_train.shape)print(x_test.shape,y_test.shape)圖2：Fashion-MNIST數(shù)據(jù)集的形狀特征Fashion-MNIST數(shù)據(jù)集簡(jiǎn)介 #顯示一張圖片，代碼如下：defshow_single_image(img_arr):plt.imshow(img_arr,cmap