跳到主要内容

常用的学习训练集

图像数据集​

MNIST​

手写数字识别数据集，包含60,000个训练图像和10,000个测试图像。

Fashion-MNIST​

与MNIST格式相同，但包含10种不同类别的时尚产品。

CIFAR-10/100​

包含60,000个32x32彩色图像，分为10个或100个类别。

ImageNet​

大规模视觉识别挑战数据集，包含超过1400万个图像，分为1000个类别。

文本数据集​

IMDb​

电影评论数据集，用于情感分析。

PTB (Penn Treebank)​

用于语言建模和其他NLP任务。

SQuAD (Stanford Question Answering Dataset)​

用于机器阅读理解。

时间序列数据集​

UCI Machine Learning Repository - Time Series Data​

提供多种时间序列数据集，用于分类、聚类和其他任务。

推荐系统数据集​

MovieLens​

电影推荐数据集，包含多种大小的版本。

Netflix Prize​

由Netflix提供的电影推荐数据集。

语音和音频数据集​

TIMIT​

用于自动语音识别。

LibriSpeech​

大规模的英语朗读文本数据集。

计算机视觉任务的特定数据集​

MS COCO​

用于目标检测、分割和字幕。

Aerial Image Dataset​

用于航空图像分割。

Cityscapes​

用于城市场景的语义分割。

其他数据集资源​

Kaggle Datasets​

Kaggle平台提供了大量的数据集，涵盖了各种机器学习任务。

UCI Machine Learning Repository​

提供了多种数据集，用于各种机器学习任务。

huggingface​

Hugging face 起初是一家总部位于纽约的聊天机器人初创服务商，他们本来打算创业做聊天机器人，然后在 github 上开源了一个 Transformers 库，虽然聊天机器人业务没搞起来，但是他们的这个库在机器学习社区迅速大火起来。目前已经共享了超 100,000 个预训练模型，10,000 个数据集，变成了机器学习界的 github。

它也提供了大量的数据集可以参考：https://huggingface.co/datasets?sort=trending

编辑此页
最后由 alsritter.mac 于 更新