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LR，EPOCH，BATCH_SIZE来调节准确率。

其他工具

• 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。