fashion-mnist-train 详细测试结果参考目录下的fashion_mnist.docm 三种机器学习分类器： 随机森林 KNN 朴素贝叶斯 卷积网络结构 两层卷积层，一个全连接层 数据集 fashion-mnist 机器学习工具 sk-learn 深度学习框架 pytorch(GPU) 运行代码流程 1.获取数据集 解压fashion_mnist目录下的fashion_mnist_data.zip，共4个文件，为训练集、测试集、训练集标签、测试集标签。 2.数据可视化和标签制作 运行make_data.py，可以在fashion_mnist下得到训练集和测试集的图片文件、训练集和测试集标签。 3.机器学习分类器测试 运行train_minst.py，可以测试三种不同机器学习分类器的性能。 4.深度学习卷积网络测试 运行fashion_mnist_cnn.py,可以改变超参数L

用Fashion MNIST进行数据集分类的数据

CB-Insights_Future-Of-Fashion.pdf

文件包括数据集，运行结果，权重文件，检查点文件，源代码，执行fashion_sequential_model文件可运行。注意我用TensorFlow2.1编写。修改路径即可运行，还有10张图片，你可以调试程序测试预测效果。可以参考中国慕课TensorFlow笔记，北大课程学习。

下载好的Keras的Fashion MINIST数据集，解压到%UserProfile%\.keras\目录下，也就是C:\Users\\.keras\ 参考文章：https://blog.csdn.net/hansel/article/details/89430423

tensorflow官方数据集fashion-mnist，深度学习常用数据集，load_data()

60000个train 10000个test 文件比较多, 解压可能需要十多分钟.

其中有包含了10个类别的图像，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。

tensorflow的深度学习案例源代码，基于深度卷积对抗神经网络的fashion-mnist图像生成，内含训练的fashion-mnist数据集。到手解压就可以使用。

深度学习数据集，包括mnist、fashion_mnist、cifar10和cifar100数据集