自编码器算法非常简单，实现方便，训练也较为稳定，相对于PCA算法，神经网络的强大表达能力可以学习输入的高层抽象的隐藏特征向量z,同时也能够基于z重建出输入。这里基于FashionMNIST数据集进行图片重建实战。
说明文档：https://blog.csdn.net/qq_43753724/article/details/125862444?spm=1001.2014.3001.5501
2022-07-19 09:07:32
15KB
1
图像识别
使用CNN进行图像识别。 接受过FashionMNIST数据集的培训。
2022-01-16 19:50:53
4.44MB
1
Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。
2021-12-16 16:22:13
58.9MB
1
用于动手学深度学习-pytorch的FashionMNIST数据集，如果你的github下载速度很慢的话，可以下载这个数据集，就比较方便
2021-11-24 21:46:11
29.45MB
1
Fashion-MNIST图像数据集是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。
之前用Pycharm下载总是很忙且容易出错，后来发现可以下载后直接加载，很方便
2021-08-06 23:38:48
29.45MB
1
Fashion MNIST数据集是德国研究机构Zalando Research于2017年8月份，在Github上推出的一个经典数据集。
其中训练集包含60000个样例，测试集包含10000个样例，分为10类，每一类的样本训练样本数量和测试样本数量相同，每个样本都是28×28的灰度图像，
共有10类标签，并且每个样本都有各自唯一的标签。
由于github上面下载的数据集没有pt文件，所以上传了一份包含pt文件的完整数据集。
2021-05-24 12:32:13
87.18MB
1
train_set = torchvision.datasets.FashionMNIST(
root='D:\\python\\dataset',
train=True,
download=True,
transform=transforms.Compose([transforms.ToTensor()]))
使用上述代码下载的内容，包含raw和processed，解压既用。
2021-02-13 22:08:04
86.92MB
1