Fashion - MNISTは、ザランドの商品画像のデータセットです。訓練セットには60,000個のサンプル、テストセットには10,000個のサンプルが含まれています。各サンプルは28x28のグレースケール画像で、10種類のラベルのうちの1つに関連付けられています。私たちは、Fashion - MNISTを機械学習アルゴリズムのベンチマーク用に、元のMNISTデータセットの直接的な代替として使用することを意図しています。画像サイズや訓練データとテストデータの分割構造は同じです。

使い方

データの取得

• ラベル

各訓練サンプルとテストサンプルは、以下のラベルのいずれかに割り当てられます。

使い方

• Pythonでデータを読み込む（NumPyが必要）

このリポジトリのutils/mnist_readerを使用します。

import mnist_reader
X_train, y_train = mnist_reader.load_mnist('data/fashion', kind='train')
X_test, y_test = mnist_reader.load_mnist('data/fashion', kind='t10k')

• Tensorflowでデータを読み込む

データをダウンロードし、data/fashionに配置してください。そうしないと、Tensorflowは元のMNISTをダウンロードして使用します。

from tensorflow.examples.tutorials.mnist import input_data
data = input_data.read_data_sets('data/fashion')

data.train.next_batch(BATCH_SIZE)

注：Tensorflowのread_data_setsにはソースURLを渡すことができます。以下のように使用できます。

data = input_data.read_data_sets('data/fashion', source_url='http://fashion - mnist.s3 - website.eu - central - 1.amazonaws.com/')

また、tf.keras（高レベルAPI）を使用してFashion - MNISTを訓練する公式のTensorflowチュートリアルはこちらで見ることができます。

• 他の機械学習ライブラリでデータを読み込む

現時点では、以下のライブラリにはFashion - MNISTが組み込みのデータセットとして含まれています。したがって、自分でFashion - MNISTをダウンロードする必要はありません。それぞれのAPIに従って使用すればOKです。

1. Apache MXNet Gluon

2. deeplearn.js

3. Kaggle

4. Pytorch

5. Keras

6. Edward

7. Tensorflow

8. Torch

9. JuliaML

10. Chainer

他のオープンソースの機械学習パッケージにプルリクエストを送り、Fashion - MNISTデータセットのサポートを向上させることを歓迎します。

• 他の言語でデータを読み込む

機械学習コミュニティで最も人気のあるデータセットの1つであるMNISTは、多くの異なる言語でローダーを実装するきっかけになりました。これらのローダーはFashion - MNISTデータセットでも使用できます。（注：最初に解凍する必要がある場合があります。）現時点では、これらのローダーをすべてFashion - MNISTでテストしていません。

1. C

2. C++

3. Java

4. Pythonとこちらとこちら

5. Scala

6. Go

7. C#

8. NodeJSとこちら

9. Swift

10. Rとこちら

11. Matlab

12. Ruby

引用

このデータセットを引用する場合は、以下の引用形式を使用してください。

@online{xiao2017/online,
  author       = {Han Xiao and Kashif Rasul and Roland Vollgraf},
  title        = {Fashion - MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms},
  date         = {2017 - 08 - 28},
  year         = {2017},
  eprintclass  = {cs.LG},
  eprinttype   = {arXiv},
  eprint       = {cs.LG/1708.07747},
}