Fashion-MNIST – MLP & CNN

Ce projet utilise uv pour gérer les dépendances et l'environnement virtuel.

Il explore la classification d’images du dataset Fashion-MNIST à l’aide de plusieurs modèles de réseaux de neurones :

• un perceptron multicouche (MLP)
• un réseau de neurones convolutionnel (CNN)

L’objectif est de comparer les performances et de comprendre l’apport des convolutions.

Prérequis

• Python 3.12 ou supérieur
• uv installé

Installation et lancement

1. Télécharger le projet.
2. Se placer dans le dossier du projet.
3. Exécuter :

./init.sh

Ce script installe les dépendances, active l’environnement virtuel et lance Jupyter Notebook.

Le fichier pyproject.toml, présent à la racine du projet, contient les dépendances nécessaires.

Notebooks

Pour une progression logique, exécuter les notebooks dans cet ordre :

1. model00.ipynb → MLP initial
2. model01.ipynb → MLP entraîné sur 20 epochs
3. model02_cnn0.ipynb → premier CNN
4. model02_cnn1.ipynb → second CNN amélioré

Une version regroupant les quatre modèles est également disponible dans Subject.ipynb.

Les prérequis et l'installation restent identiques.

Fichiers nécessaires

• init.sh → installation et lancement du projet
• pyproject.toml → dépendances et configuration du projet
• fichiers .ipynb → modèles et expérimentations

Note

Subject_original.ipynb → notebook original fourni comme base du projet.