<h1 class="ant-typography post-detail_title__2iF6e" style="text-align: justify;">Dữ Liệu Trong Deep Learning</h1>
<p style="text-align: justify;">Trong b&agrave;i viết n&agrave;y, ch&uacute;ng ta sẽ c&ugrave;ng t&igrave;m hiểu về bộ dữ liệu Fashion-MNIST. Ch&uacute;ng ta sẽ xem x&eacute;t th&ocirc;ng số kỹ thuật của tập dữ liệu, c&aacute;ch tập dữ liệu được x&acirc;y dựng v&agrave; tập dữ liệu n&agrave;y kh&aacute;c với tập dữ liệu MNIST ban đầu gồm c&aacute;c chữ số viết tay như thế n&agrave;o. Bắt đầu th&ocirc;i!</p>
<p style="text-align: justify;"><img style="width: 681px; display: block; margin-left: auto; margin-right: auto;" src="http://tek4vn.2soft.top/public_files/du-lieu-trong-deep-learning-png-1" alt="Dữ Liệu Trong Deep Learning" height="250" /></p>
<h3 style="text-align: justify;">Giới thiệu bộ dữ liệu MNIST</h3>
<p style="text-align: justify;"><a href="https://en.wikipedia.org/wiki/MNIST_database">MNIST dataset&nbsp;</a>(<em>Modified National Institute of Standards and Technology database</em>),&nbsp;l&agrave; một bộ dữ liệu nổi tiếng về c&aacute;c chữ số viết tay thường được sử dụng để đ&agrave;o tạo c&aacute;c hệ thống xử l&yacute; ảnh cho học m&aacute;y.</p>
<p style="text-align: justify;">NIST l&agrave; viết tắt của National Institute of Standards and Technology.&nbsp;M trong MNIST l&agrave; viết tắt của <em>modified</em>, v&agrave; điều n&agrave;y l&agrave; do c&oacute; một tập dữ liệu NIST ban đầu gồm c&aacute;c chữ số đ&atilde; được&nbsp;<em>modified</em> để cung cấp cho ch&uacute;ng ta MNIST.</p>
<p style="text-align: justify;"><img style="width: 681px; display: block; margin-left: auto; margin-right: auto;" src="http://tek4vn.2soft.top/public_files/mnist-dataset-png" alt="mnist-dataset" height="250" /></p>
<p style="text-align: justify;">MNIST nổi tiếng v&igrave; tần suất m&agrave; bộ dữ liệu được sử dụng.&nbsp;N&oacute; phổ biến v&igrave; hai l&yacute; do:</p>
<ul style="text-align: justify;">
<li>Người mới bắt đầu sử dụng n&oacute; v&igrave; n&oacute; dễ d&agrave;ng</li>
<li>C&aacute;c nh&agrave; nghi&ecirc;n cứu sử dụng n&oacute; để chuẩn (so s&aacute;nh) c&aacute;c m&ocirc; h&igrave;nh kh&aacute;c nhau.</li>
</ul>
<p style="text-align: justify;">Bộ dữ liệu bao gồm 70.000 h&igrave;nh ảnh của c&aacute;c chữ số viết tay với sự ph&acirc;n chia như sau:</p>
<ul style="text-align: justify;">
<li>60.000 h&igrave;nh ảnh đ&agrave;o tạo (training)</li>
<li>10.000 h&igrave;nh ảnh thử nghiệm (testing)</li>
</ul>
<p style="text-align: justify;">Những h&igrave;nh ảnh ban đầu được tạo ra bởi c&aacute;c nh&acirc;n vi&ecirc;n Cục điều tra d&acirc;n số Hoa Kỳ v&agrave; học sinh trung học Hoa Kỳ.</p>
<p style="text-align: justify;">MNIST đ&atilde; được sử dụng rộng r&atilde;i v&agrave; c&ocirc;ng nghệ nhận dạng h&igrave;nh ảnh đ&atilde; được cải thiện rất nhiều n&ecirc;n tập dữ liệu được coi l&agrave; qu&aacute; dễ d&agrave;ng.&nbsp;Đ&acirc;y l&agrave; l&yacute; do tại sao tập dữ liệu Fashion-MNIST được tạo ra.</p>
<h3 class="section-heading" style="text-align: justify;">Giới thiệu Fashion-MNIST</h3>
<p style="text-align: justify;">Fashion-MNIST như t&ecirc;n cho thấy l&agrave; một tập dữ liệu về c&aacute;c mặt h&agrave;ng thời trang.&nbsp;Cụ thể, tập dữ liệu c&oacute; mười loại mặt h&agrave;ng thời trang sau:</p>
<table class=" aligncenter" style="height: 334px; width: 467px;" width="469">
<tbody>
<tr>
<td style="text-align: center;"><strong>Index</strong></td>
<td style="text-align: center;"><strong>Label</strong></td>
</tr>
<tr>
<td>0</td>
<td>T-shirt/top</td>
</tr>
<tr>
<td>1</td>
<td>Trouser</td>
</tr>
<tr>
<td>2</td>
<td>Pullover</td>
</tr>
<tr>
<td>3</td>
<td>Dress</td>
</tr>
<tr>
<td>4</td>
<td>Coat</td>
</tr>
<tr>
<td>5</td>
<td>Sandal</td>
</tr>
<tr>
<td>6</td>
<td>Shirt</td>
</tr>
<tr>
<td>7</td>
<td>Sneaker</td>
</tr>
<tr>
<td>8</td>
<td>Bag</td>
</tr>
<tr>
<td>9</td>
<td>Ankle boot</td>
</tr>
</tbody>
</table>
<p style="text-align: justify;">Bộ dữ liệu tr&ocirc;ng như sau:</p>
<p style="text-align: justify;"><img style="width: 681px; display: block; margin-left: auto; margin-right: auto;" src="http://tek4vn.2soft.top/public_files/fashion-mnist-png" alt="fashion-mnist" height="250" /></p>
<h4 class="sub-section-heading" style="text-align: justify;">Nguồn gốc của Fashion-MNIST</h4>
<p style="text-align: justify;">H&igrave;nh ảnh của bộ Fashion-MNIST đến từ đ&acirc;u?&nbsp;Fashion-MNIST dựa tr&ecirc;n c&aacute;c loại tr&ecirc;n trang web của Zalando.&nbsp;<a href="https://en.wikipedia.org/wiki/Zalando">Zalando</a>&nbsp;&nbsp;l&agrave; một c&ocirc;ng ty thương mại thời trang đa quốc gia c&oacute; trụ sở tại Đức, được th&agrave;nh lập v&agrave;o năm 2008.</p>
<p style="text-align: justify;">Đ&acirc;y l&agrave; l&yacute; do tại sao ch&uacute;ng ta c&oacute; thể thấy <em>zalandoresearch</em> trong <a href="https://github.com/zalandoresearch/fashion-mnist">GitHub URL</a> nơi bộ dữ liệu Fashion-MNIST c&oacute; sẵn để tải xuống.&nbsp;Zalando Research l&agrave; nh&oacute;m từ b&ecirc;n trong c&ocirc;ng ty đ&atilde; tạo ra tập dữ liệu.</p>
<p style="text-align: justify;">Ch&uacute;ng ta sẽ biết th&ecirc;m về c&aacute;ch thu thập h&igrave;nh ảnh khi ch&uacute;ng ta xem lại b&agrave;i b&aacute;o giới thiệu tập dữ liệu, nhưng trước ti&ecirc;n, h&atilde;y trả lời một c&acirc;u hỏi kh&aacute;c.</p>
<pre><code>What&rsquo;s MNIST about a fashion dataset?</code></pre>
<h4 class="sub-section-heading" style="text-align: justify;">Điều G&igrave; Tạo N&ecirc;n MNIST Trong Fashion-MNIST?</h4>
<p style="text-align: justify;">L&yacute; do fashion MNIST c&oacute; MNIST trong t&ecirc;n của n&oacute; l&agrave; bởi v&igrave; những người s&aacute;ng tạo t&igrave;m c&aacute;ch thay thế MNIST bằng Fashion-MNIST.</p>
<p style="text-align: justify;">V&igrave; l&yacute; do n&agrave;y, Fashion-MNIST được thiết kế để phản chiếu tập dữ liệu MNIST ban đầu c&agrave;ng chặt chẽ c&agrave;ng tốt, đồng thời đưa ra độ kh&oacute; đ&agrave;o tạo cao hơn do chỉ đơn giản l&agrave; c&oacute; dữ liệu phức tạp hơn h&igrave;nh ảnh viết tay.</p>
<p style="text-align: justify;">Ch&uacute;ng ta sẽ thấy c&aacute;c c&aacute;ch cụ thể m&agrave; Fashion-MNIST phản &aacute;nh tập dữ liệu gốc trong b&agrave;i b&aacute;o, nhưng một điều ch&uacute;ng ta đ&atilde; thấy l&agrave; số lớp.</p>
<ul style="text-align: justify;">
<li>MNIST - c&oacute; 10 lớp (một lớp cho mỗi chữ số 0-9)</li>
<li>Fashion-MNIST - c&oacute; 10 lớp (điều n&agrave;y l&agrave; c&oacute; chủ đ&iacute;ch)</li>
</ul>
<p style="text-align: justify;">H&atilde;y kiểm tra b&agrave;i b&aacute;o!</p>
<h3 class="section-heading" style="text-align: justify;">Đọc b&aacute;o Fashion-MNIST tr&ecirc;n ArXiv</h3>
<p style="text-align: justify;">C&oacute; thể t&igrave;m thấy b&agrave;i b&aacute;o <a href="https://arxiv.org/abs/1708.07747" target="_blank" rel="noopener">tại đ&acirc;y</a>, v&agrave; để xem b&agrave;i b&aacute;o, chỉ cần nhấp v&agrave;o <a href="https://arxiv.org/pdf/1708.07747.pdf" target="_blank" rel="noopener">link PDF.</a></p>
<p style="text-align: justify;">Điều đầu ti&ecirc;n cần ch&uacute; &yacute; về b&agrave;i b&aacute;o l&agrave; c&aacute;c t&aacute;c giả đến từ Zalando Research (nguồn gốc của Fashion-MNIST).&nbsp;Sau khi đọc phần t&oacute;m tắt của b&agrave;i b&aacute;o, ch&uacute;ng ta biết l&yacute; do tại sao tập dữ liệu được đặt t&ecirc;n l&agrave; Fashion-MNIST.</p>
<h4 class="sub-section-heading" style="text-align: justify;">T&oacute;m Tắt Của Tờ Fashion-MNIST</h4>
<p style="text-align: justify;"><em>"Ch&uacute;ng t&ocirc;i giới thiệu Fashion-MNIST, một tập dữ liệu mới bao gồm 28 x 28 h&igrave;nh ảnh thang độ x&aacute;m của 70.000 sản phẩm thời trang thuộc 10 danh mục, với 7.000 h&igrave;nh ảnh cho mỗi danh mục. Tập huấn luyện c&oacute; 60.000 h&igrave;nh ảnh v&agrave; tập kiểm tra c&oacute; 10.000 h&igrave;nh ảnh. Fashion-MNIST được thiết kế để phục vụ như một sự thay thế trực tiếp cho tập dữ liệu MNIST ban đầu để đo điểm chuẩn cho c&aacute;c thuật to&aacute;n học m&aacute;y, v&igrave; n&oacute; c&oacute; c&ugrave;ng k&iacute;ch thước h&igrave;nh ảnh, định dạng dữ liệu v&agrave; cấu tr&uacute;c của c&aacute;c phần đ&agrave;o tạo v&agrave; thử nghiệm. Bộ dữ liệu được cung cấp miễn ph&iacute; tại <a href="https://github.com/zalandoresearch/fashion-mnist">https://github.com/zalandoresearch/fashion-mnist</a>."</em></p>
<p style="text-align: justify;">Tập dữ liệu được thiết kế để thay thế cho MNIST ban đầu.&nbsp;Bằng c&aacute;ch l&agrave;m cho c&aacute;c th&ocirc;ng số kỹ thuật của tập dữ liệu Fashion-MNIST khớp với th&ocirc;ng số MNIST ban đầu, việc chuyển đổi từ cũ sang mới c&oacute; thể diễn ra su&ocirc;n sẻ.&nbsp;B&agrave;i b&aacute;o tuy&ecirc;n bố rằng thay đổi duy nhất cần thiết để chuyển đổi tập dữ liệu l&agrave; thay đổi URL từ nơi tập dữ liệu MNIST được t&igrave;m nạp bằng c&aacute;ch trỏ đến tập dữ liệu&nbsp;Fashion.</p>
<p style="text-align: justify;">B&agrave;i b&aacute;o cũng cung cấp cho ch&uacute;ng ta một số th&ocirc;ng tin chi tiết hơn về l&yacute; do tại sao MNIST lại trở n&ecirc;n phổ biến:</p>
<p style="text-align: justify;"><em>"L&yacute; do MNIST rất phổ biến li&ecirc;n quan đến k&iacute;ch thước của n&oacute;, cho ph&eacute;p c&aacute;c nh&agrave; nghi&ecirc;n cứu deep learning nhanh ch&oacute;ng kiểm tra v&agrave; thử nghiệm c&aacute;c thuật to&aacute;n của họ. Điều n&agrave;y cũng được bổ sung bởi thực tế l&agrave; tất cả c&aacute;c thư viện học m&aacute;y (v&iacute; dụ như scikit-learn) v&agrave; c&aacute;c framework deep learning (v&iacute; dụ tensorflow, PyTorch) cung cấp c&aacute;c chức năng trợ gi&uacute;p v&agrave; c&aacute;c v&iacute; dụ thuận tiện sử dụng MNIST."</em></p>
<p style="text-align: justify;">PyTorch cung cấp cho ch&uacute;ng ta một g&oacute;i gọi l&agrave; <em>torchvision</em> gi&uacute;p ch&uacute;ng ta dễ d&agrave;ng bắt đầu với MNIST cũng như Fashion-MNIST.</p>
<p style="text-align: justify;">Ch&uacute;ng ta sẽ sử dụng <em>torchvision</em> trong b&agrave;i viết tiếp theo để load bộ training set v&agrave;o dự &aacute;n của ch&uacute;ng ta.</p>
<h4 class="sub-section-heading" style="text-align: justify;">Fashion-MNIST được x&acirc;y dựng như thế n&agrave;o?</h4>
<p style="text-align: justify;">Kh&ocirc;ng giống như tập dữ liệu MNIST, bộ fashion kh&ocirc;ng được vẽ tay m&agrave; c&aacute;c h&igrave;nh ảnh trong tập dữ liệu l&agrave; h&igrave;nh ảnh thực tế từ trang web của Zalando.</p>
<p style="text-align: justify;">Tuy nhi&ecirc;n, ch&uacute;ng đ&atilde; được chuyển đổi để tương ứng chặt chẽ hơn với c&aacute;c th&ocirc;ng số kỹ thuật của MNIST.&nbsp;Đ&acirc;y l&agrave; qu&aacute; tr&igrave;nh chuyển đổi chung m&agrave; mỗi h&igrave;nh ảnh từ trang web đ&atilde; trải qua:</p>
<ol style="text-align: justify;">
<li>Converted to PNG</li>
<li>Trimmed</li>
<li>Resized</li>
<li>Sharpened</li>
<li>Extended</li>
<li>Negated</li>
<li>Gray-scaled</li>
</ol>
<p style="text-align: justify;">Để xem m&ocirc; tả chi tiết hơn về quy tr&igrave;nh n&agrave;y, h&atilde;y nhớ xem phần hai của <a href="https://arxiv.org/abs/1708.07747" target="_blank" rel="noopener">b&agrave;i b&aacute;o</a>.</p>
<h3 class="section-heading" style="text-align: justify;">Kết Luận</h3>
<p style="text-align: justify;">T&oacute;m lại, ch&uacute;ng ta đ&atilde; thấy nguồn gốc v&agrave; lịch sử của bộ dữ liệu Fashion-MNIST v&agrave; mặc d&ugrave; bộ dữ liệu được thiết kế để c&oacute; nhiều th&aacute;ch thức hơn như một vấn đề về thị gi&aacute;c m&aacute;y t&iacute;nh, nhưng bộ n&agrave;y vẫn l&agrave; một tập dữ liệu tuyệt vời để bắt đầu.</p>
<p style="text-align: justify;">Ch&uacute;ng ta sẽ truy cập Fashion-MNIST th&ocirc;ng qua thư viện vision PyTorch c&oacute; t&ecirc;n l&agrave; <em>torchvision</em> v&agrave; x&acirc;y dựng mạng neural đầu ti&ecirc;n của ch&uacute;ng ta để c&oacute; thể dự đo&aacute;n ch&iacute;nh x&aacute;c một lớp đầu ra với một h&igrave;nh ảnh fashion đầu v&agrave;o.</p>
<p style="text-align: justify;">Hẹn gặp lại bạn trong phần tiếp theo!</p>
<p style="text-align: justify;">&nbsp;</p>
<hr />
<p style="text-align: justify;"><em><strong>Fanpage Facebook:</strong>&nbsp;<a href="https://www.facebook.com/tek4.vn/">TEK4.VN</a></em>&nbsp;</p>
<p style="text-align: justify;"><em><strong>Tham gia cộng đồng để chia sẻ, trao đổi v&agrave; thảo luận:</strong>&nbsp;<a href="https://www.facebook.com/groups/tek4.vn/">TEK4.VN - Học Lập Tr&igrave;nh Miễn Ph&iacute;</a></em></p>

Admin

Dữ Liệu Trong Deep Learning

Cùng tác giả

Admin

Có liên quan