详细测试结果参考目录下的fashion_mnist.docm
- 随机森林
- KNN
- 朴素贝叶斯
两层卷积层,一个全连接层
fashion-mnist
sk-learn
pytorch(GPU)
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。
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。
运行train_minst.py,可以测试三种不同机器学习分类器的性能。
运行fashion_mnist_cnn.py,可以改变超参数LR,EPOCH,BATCH_SIZE来调节准确率。
- KNN.py 找到KNN中的最佳参数k
- Visualization_module.py 可视化网络结构
- fashion_mnist_load.py 机器学习分类器数据集准备
- fashion_mnist_data_ready.py 卷积神经网络数据集准备
- plt_roc.py 绘制机器学习分类器性能的ROC曲线
- select_optimizers.py 测试深度学习下不同优化器的性能
- tensorboard.py 数据集可视化工具。