Fashion-MNIST

翻訳 : (株)クラスキャット セールスインフォメーション

目次

• 何故でしょう？
• データを取得する
• 使い方
• ベンチマーク
• 可視化
• 貢献する
• 接触
• 引用Fashion-MNIST
• License

60,000 サンプルの訓練セットと 10,000 サンプルのテストセットから成る、Zalando の記事の画像のデータセットです。各サンプルは 28×28 グレースケール画像で、10 クラスからのラベルと関連付けられています。Fashion-MNIST は、機械学習アルゴリズムのベンチマークのためのオリジナルの MNIST データセット の 直接的な差し込み式の (= drop-in) 置き換え としてサーブすることを意図しています。

ここにどのようにデータが見えるかのサンプルがあります (各クラスは３行取ります) :

何故でしょう？

オリジナルの MNIST データセットは沢山の手書き数字を含みます。AI/ML/データサイエンス・コミュニティの人々はこのデータセットを好みそして彼らのアルゴリズムを検証するためのベンチマークとしてそれを使用します。実際に、MNIST はしばしば試してみる最初のデータセットです。「もしそれが MNIST で動作しなければ、まったく動作しないだろう」と彼らは言いました。「そうですね～、もし MNIST で動作するとしても、他の上では依然として失敗するかもしれませんが。」

Fashion-MNIST は、機械学習アルゴリズムのベンチマークのためのオリジナルの MNIST データセットの直接的な差し込み式の (= drop-in) 置き換えとしてサーブすることを意図しています、というのはそれは同じ画像サイズでそして訓練及びテスト分割の構造を共有しているからです。

真面目な機械学習研究者へ

真面目な話し、MNIST を置き換えることについて話しをしています。幾つかの良い理由がここにあります :

• MNIST は簡単過ぎます。 私たちの比較ベンチマーク と “Most pairs of MNIST digits can be distinguished pretty well by just one pixel” を確かめてください。
• MNIST は使用され過ぎています。 “Ian Goodfellow wants people to move away from mnist.”を確かめてください。
• MNIST はモダンな CV タスクを表現できません。 “François Cholle: Ideas on MNIST do not transfer to real CV.” を確かめてください。

データを取得する

多くのMLライブラリには既にFashion-MNISTデータ/ APIが含まれています。試してみてください！

データセットをダウンロードするためには直接リンクを使用することができます。データはオリジナルの MNIST データと同じフォーマットでストアされています。

あるいはこのレポジトリを clone することもできます、データセットは data/fashion の下です。この repo はベンチーマークと可視化のための幾つかのスクリプトを含みます。

git clone git@github.com:zalandoresearch/fashion-mnist.git

ラベル

各訓練とテスト・サンプルは以下のラベル群の一つに割り当てられています :

使い方

Python (NumPyが必要)でデータをロードする

この repo の utils/mnist_reader を使用する :

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')

でデータをロードする

私たちのデータセットをダウンロードしてくださいことを確認し、それを data/fashionの下に置きます。それ以外の場合、* Tensorflowは自動的に元の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)

Fashion-MNISTを訓練するための高レベルのAPIであるtf.kerasの使用に関する公式のTensorflowチュートリアルがここにあります。

他の機械学習ライブラリを使用する

今日まで、以下のライブラリは、組み込みデータセットとして Fashion-MNISTを含んでいます。 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。 そのAPIに従うだけで、あなたは準備が整いました。

• Apache MXNet Gluon
• TensorFlow.js
• Kaggle
• Pytorch
• Keras
• Edward
• Tensorflow
• TensorFlow Datasets
• Torch
• JuliaML
• Chainer
• HuggingFace Datasets
• ようこそ私たちに参加して、各機械学習ライブラリ用のFashion-MNISTのサポートを追加してください。

他の言語でデータをロードする

機械学習コミュニティでもっとも人気のあるデータセットの一つですので、人々は多くの言語で MNIST loader を実装してきています。それらは Fashion-MNIST データセットをロードするためにも使用できるでしょう (最初に decompress する必要があるかもしれません)。それらは私たちによってテストはされていないことには注意してください。

• C
• C++
• Java
• Python and this
• Scala
• Go
• C#
• NodeJS and this
• Swift
• R and this
• Matlab
• Ruby
• Rust

ベンチマーク

scikit-learn ベースの自動ベンチマーキング・システムを構築しました、これは異なるパラメータの 129 の (深層学習ではない) 分類器をカバーします。 結果はここで見つかります。.

結果は benchmark/runner.py を実行することで再現できます。推奨方法はこの docker コンテナをビルドして deploy することです (訳注 : リンク欠落)。this Dockerfile.

貴方のベンチマークを submit することを歓迎します。新しい issue を作成してください、貴方の結果はここでリストされます。詳細は contributor guidelines セクションを確認してください。ベンチマークを submit する前に、このリストにリストされていなことを必ず確認してください。