n-digit MNIST

MNIST 手写数字可以说是机器学习研究中最受欢迎的数据集。尽管最先进的学习模型很久以前就可能在该基准上达到了可实现的最佳性能，但数据集本身对研究界仍然有用，为新方法提供了一个简单的健全性检查：如果它不起作用MNIST，它在任何地方都不起作用！
我们在这里介绍 MNIST 的 n 位变体。通过为每个数据点添加更多数字，可以成倍地增加数据集的类别数量。尽管如此，它们仍然利用数据的简单性和轻量级特性。这些数据集提供了一个简单而有用的玩具示例，例如人脸嵌入。人们还可以在单个数字和例如数字之间进行类比。面属性。在这种情况下，数据集用于提供对嵌入算法的快速洞察，以便将其扩展到更现实、训练缓慢的问题。
由于潜在的专有性问题和更大的灵活性，我们发布了用于从原始 MNIST 数据集生成数据集的代码，而不是发布图像本身。出于基准测试的目的，我们发布了四个标准数据集，这些数据集再次通过代码生成，但具有确定性。