【Fashion-MNIST】ファッションアイテムのデータセットを使ってみた【TensorFlow】

公開日： 2022/03/15 : 最終更新日：2022/03/15 機械学習 Fashion-MNIST, PyTorch, TensorFlow, データセット, ファッションアイテム

今回は、機械学習用に公開されているデータセットの１つである「Fashion-MNIST」について紹介します。

手書き数字データセットに「MNIST」という有名なものがありますが、「Fashion-MNIST」はそれのファッションアイテム版です。

以下の10種類のアイテムが入っています。

※数字はラベルを表しています。

０：Tシャツ
１：ズボン
２：プルオーバー
３：ドレス
４：コート
５：サンダル
６：シャツ
７：スニーカー
８：バッグ
９：アンクルブーツ

今回は、TensorFlow を使って読み込みをしていますが、PyTorch でも同様に読み込みができます。

Contents

データセットのロード

以下のようにデータセットのロードを行います。

from tensorflow.keras.datasets import fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

1 2	from tensorflow.keras.datasets import fashion_mnist (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

初回のみ、データセットのダウンロードが行われます。

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz
32768/29515 [=================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-images-idx3-ubyte.gz
26427392/26421880 [==============================] - 8s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-labels-idx1-ubyte.gz
8192/5148 [===============================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-images-idx3-ubyte.gz
4423680/4422102 [==============================] - 1s 0us/step

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz

32768/29515 [=================================] - 0s 0us/step

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-images-idx3-ubyte.gz

26427392/26421880 [==============================] - 8s 0us/step

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-labels-idx1-ubyte.gz

8192/5148 [===============================================] - 0s 0us/step

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-images-idx3-ubyte.gz

4423680/4422102 [==============================] - 1s 0us/step

読み込んだデータの形状

以下のようにデータ形状を調べます。

print(x_train.shape) # 出力:(60000, 28, 28)
print(y_train.shape) # 出力:(60000,)
print(x_test.shape)  # 出力:(10000, 28, 28)
print(y_test.shape)  # 出力:(10000,)

print(x_train.shape) # 出力:(60000, 28, 28)

print(y_train.shape) # 出力:(60000,)

print(x_test.shape) # 出力:(10000, 28, 28)

print(y_test.shape) # 出力:(10000,)

以下のように出力されます。

(60000, 28, 28)
(60000,)
(10000, 28, 28)
(10000,)

(60000, 28, 28)

(60000,)

(10000, 28, 28)

(10000,)

ファッションアイテム画像は、28×28ピクセルのモノクロ画像です。

y_train, y_test には、正解ラベル（0～9の値）が入っています。

x_train, y_train は、3階テンソル（データセットの数, 28, 28）となっています。

ファッションアイテム画像一覧表示

ファッションアイテム画像を100枚表示させます。

10列×10行で一覧表示させます。軸のメモリは非表示にします。

また、X軸のラベルに、ファッションアイテム名が表示されるようになっています。

import matplotlib.pyplot as plt
%matplotlib inline

# ラベルに割り当てられたアイテム名を登録
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

plt.figure(figsize=(13,13))
# 訓練データから100枚抽出してプロットする
for i in range(100):
    # 10×10で出力
    plt.subplot(10,10,i+1)
    # タテ方向の間隔を空ける
    plt.subplots_adjust(hspace=0.3)
    # 軸目盛を非表示にする
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    # カラーマップにグレースケールを設定してプロット
    plt.imshow(x_train[i], cmap=plt.cm.binary)
    # x軸ラベルにアイテム名を出力
    plt.xlabel(class_names[y_train[i]])
plt.show()