神经网络衣服分类器详解（Fashion-MNIST数据集）

最新推荐文章于 2025-03-11 16:58:46 发布

仓鼠球球－O－

最新推荐文章于 2025-03-11 16:58:46 发布

阅读量1.8w

点赞数 20

分类专栏： Cnn 文章标签：神经网络机器学习深度学习人工智能 tensorflow

本文链接：https://blog.csdn.net/weixin_43873671/article/details/113427501

版权

文章目录

前言
一、Fashion-MNIST是什么？
二、代码实现
总结

前言

每个想要学习深度学习、图像识别的同学，想要用到神经网络，入门的实例必定是MNIST手写数字集，这是所有人都绕不开的，我也是，我之前写了三篇关于MNIST的博文。en…但这个数据集毕竟只有手写数字，有时候并不是能够满足我们开发的要求，于是，Fashion-MNIST出现了。

提示：以下是本篇文章正文内容，下面案例可供参考

一、Fashion-MNIST是什么？

这个数据集是我们国家的一个大佬制作的，还发表了论文：Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms，其中值得我们关注的是数据制作的方法：最原始图片是背景为浅灰色的，分辨率为7621000 的JPEG图片。然后经过resampled 到 5173 的彩色图片。然后依次经过以下7个步骤，最终得到28*28的灰度图。
2017年8月27日，Fashion-MNIST图片库在GitHub上开源，MNIST的时代宣告终结。
这不是巧合，而是Fashion-MNIST蓄谋已久。它克隆了MNIST的所有外在特征：
60000张训练图像和对应Label；
10000张测试图像和对应Label；
10个类别；
每张图像28x28的分辨率；
4个GZ文件名称都一样；
对于已有的MNIST训练程序，只要修改下代码中的数据集读取路径，或者残暴的用Fashion-MNIST数据集文件将MNIST覆盖，替换就瞬间完成了。
不同的是，Fashion-MNIST不再是抽象符号，而是更加具象化的人类必需品——服装，共10大类。
我认为对于衣服的识别，相比于手写数字的识别更加有意义。相比之下，Fashion-MNIST更难，有一位博主对于MNIST可以达到95%识别率的训练代码，去训练Fashion-MNIST，最后模型识别率猛降了10个百分点。对于一个人工智能算法，是否可用的一个根本性度量标准就是：不亚于人类。
在这里插入图片描述

二、代码实现

1.引入库

代码如下（示例）：

from __future__ import absolute_import, division, print_function, unicode_literals

# 载入TensorFlow 和 tf.keras 
import tensorflow as tf
from tensorflow import keras

# 载入 辅助包
import numpy as np
import matplotlib.pyplot as plt
# 输出当前的tf版本
# print(tf.__ver