An MNIST-like dataset of 70,000 28x28 labeled fashion images. MNIST-like 的数据集，包含70,000张28x28标记的时尚图像。 fashion-mnist_test.csv fashion-mnist_train.csv Fashion MNIST_datasets.txt Fashion MNIST_datasets.zip

下载完成后，将两个文件拷贝到 C:\Users\XXXX(windows账户名)\.keras\datasets目录下 如果没有datasets文件夹请手动创建 在python环境下使用tf.keras.datasets.fashion_mnist.load_data() 加载数据集即可

Fashion_MNIST数据集。这是其中的训练集。后面还要测试集。

适用于本地化李沐大神d2l或其他教程的Fashion-MNIST数据

训练数据图片train-images-idx3-ubyte 训练数据标签train-labels-idx1-ubyte 测试数据图片t10k-images-idx3-ubyte 测试数据标签t10k-labels-idx1-ubyte

很棒的虚拟试戴（VTON）研究的精选清单 与虚拟试穿（VTON）相关的很棒的研究论文，项目，代码，数据集，研讨会等的精选列表。 基于图像的（2D）虚拟试戴 2020年ACCV CloTH-VTON：基于混合图像的虚拟Try-ON的服装三维重建- ， ECCV 2020 不要掩盖您不需要掩盖的内容：无解析器的虚拟试穿- CVPR 2020 通过自适应生成实现逼真的虚拟试穿 :left-right_arrow:保留图像内容- 来自未配对数据的基于图像的虚拟试穿网络- 语义多模态图像合成- 2020年CVPRW CP-VTON +：基于图像的服装形状和纹理保留虚拟试穿- 使用人体模型对衣服进行3D重构及其在基于图像的虚拟试穿中的应用- ICCV 2019 VTNFP：基于图像的虚拟试穿网络，具有身体和衣物特征保留功能- ClothFlow：基于流程的衣服人生成模型- ICCVW 2019 UVTON：在基于图

Fashion-MNIST 数据集，是Kaggle上热门的数据集，放在代码MNIST_data子目录可直接使用在Keras的数据集加载的函数中。

是我大作业的代码了哈哈，要是需要带注释的可以私聊哈哈 代码使用方法： 1. 读取数据集 2. 初始化模型参数（选择哪个模型就初始化哪个） 3.定义激活函数（只有选择带隐含层的模型才需要激活函数） 4.防止过拟合（只有选择带隐含层的模型才需要防止过拟合，不过因为下面我们用的权重衰减在训练是也有定义，所以我们需要也给它加个定义） 5.定义模型（选择哪个模型就定义哪个） 6.定义损失函数 7. 定义优化函数 8.训练模型（训练结束可进行绘图） 9. 进行预测 可变参数： 1.选择模型（三种模型，可选用） 2.激活函数（两种） 3.防止过拟合（两种方法，可选用也可都用） 权重衰减（通过lambd 来调整， lambd = 0 即不使用此方法） 丢弃法（通过定义模型时选择） 4.损失函数（咱们的代码只用了一种） 5.优化方法（咱们的代码只用了一种） 6.训练模型（迭代周期数num_epochs和学习率lr可调） 7.定义数据集时小批量的大小

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

Fashion-MNIST数据集，10类图片，其目录结构已经创建好，可以直接放到py文件同目录下，包含raw和processed