Fashion MNIST — популярный набор данных в области компьютерного зрения и машинного обучения. Он состоит из 70 000 изображений модных предметов в оттенках серого, разделенных на 10 различных классов. В этой статье мы рассмотрим различные методы загрузки набора данных Fashion MNIST в R Studio с использованием библиотеки Keras. Мы предоставим примеры кода для каждого метода, что позволит вам легко реализовать их в своих проектах.

Метод 1: использование функции keras.datasets
Функция keras.datasets обеспечивает удобный способ загрузки популярных наборов данных, включая Fashion MNIST. Вот пример фрагмента кода для загрузки набора данных с помощью этого метода:

install.packages("keras")
library(keras)
# Load the Fashion MNIST dataset
dataset <- dataset_fashion_mnist()
# Split the dataset into train and test sets
train_images <- dataset$train$x
train_labels <- dataset$train$y
test_images <- dataset$test$x
test_labels <- dataset$test$y

Метод 2. Загрузка набора данных из файлов CSV.
Если вы загрузили набор данных Fashion MNIST в виде файлов CSV, вы можете загрузить их с помощью функции read.csvв R. Вот пример фрагмента кода. :

# Load the training set
train_data <- read.csv("train.csv")
train_images <- train_data[, -1]  # Exclude the label column
train_labels <- train_data[, 1]   # Extract the label column
# Load the test set
test_data <- read.csv("test.csv")
test_images <- test_data[, -1]    # Exclude the label column
test_labels <- test_data[, 1]     # Extract the label column

Метод 3: загрузка набора данных из файлов изображений.
Если ваш набор данных Fashion MNIST хранится в виде отдельных файлов изображений, вы можете использовать функцию image_loadиз библиотеки Keras для их загрузки. Вот пример фрагмента кода:

install.packages("magrittr")
library(keras)
library(magrittr)
# Define the directory path where the images are stored
image_dir <- "path/to/dataset/"
# Load the images and labels
train_images <- image_load(path = file.path(image_dir, "train"), grayscale = TRUE) %>%
  image_to_array() %>%
  array_reshape(dim = c(-1, 28, 28, 1))
train_labels <- image_load(path = file.path(image_dir, "train_labels.csv")) %>%
  read.csv() %>%
  select(label) %>%
  unlist()
test_images <- image_load(path = file.path(image_dir, "test"), grayscale = TRUE) %>%
  image_to_array() %>%
  array_reshape(dim = c(-1, 28, 28, 1))
test_labels <- image_load(path = file.path(image_dir, "test_labels.csv")) %>%
  read.csv() %>%
  select(label) %>%
  unlist()

В этой статье мы рассмотрели несколько методов загрузки набора данных Fashion MNIST в R Studio с использованием библиотеки Keras. Мы рассмотрели функцию keras.datasets, загрузку из файлов CSV и загрузку из файлов изображений. Каждый метод обеспечивает гибкость в зависимости от того, как структурирован и хранится набор данных. Используя предоставленные примеры кода, вы можете легко реализовать эти методы в своих собственных проектах и ​​начать работать с набором данных Fashion MNIST.

Не забудьте установить необходимые пакеты и соответствующим образом изменить пути к файлам в соответствии с вашими настройками. Приятного программирования и изучения увлекательного мира компьютерного зрения и глубокого обучения!