免费的机器学习数据集网站（6300+数据集）
时间：2022-09-20 10:00:01
今天给大家分享一个免费获取机器学习数据集的网站:
Machine Learning Datasets | Papers With Code
有想法但没有数据集的学生的生来说，网站到期时非常简单，本书提供了各种一般可用的数据集。我们可以收集各种数据集，如图像、评论和点云。
CIFAR-10
由 Krizhevsky 等人介绍。从小图像中学习多层特征。CIFAR-10数据集(加拿大高级研究所) 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。标有这些图像 10 相互排斥的类别之一:飞机、汽车(但不是卡车或皮卡)、鸟、猫、鹿、狗、青蛙、马、船和卡车(但不是皮卡)。每类有 6000 每一类都有图像 5000 训练图像和 1000 图像张测试。
判断图像是否属于某一类别的标准如下：
- 班级名称应该在这张照片里有什么？问题的可能答案列表中排名第一。
- 图像应该像照片一样逼真。贴标机被指示拒绝画线图。
- 图像应该只包含这类对象的一个突出例子。只要标记者仍然知道物体的身份，物体就可能部分被阻挡或从不寻常的角度看到。
城市景观
由 Cordts 等人介绍。用于理解语义城市场景。 Cityscapes 数据集中Cityscapes专注于城市街景语义理解的大型数据库。它为分为 8 (平面、人类、车辆、建筑物、物体、自然、天空和虚空) 30 提供语义、实例和密集像素注释。该数据集由大约 5000 图像和精细标记 20000 粗糙标记的图像组成。在几个月、白天和良好的天气条件下， 50 一个城市捕获数据。它最初是作为视频录制的，因此手动选择帧具有以下特点：大量动态对象、变化场景布局和变化背景。
资源：语义分割深度学习技术综述宾夕法尼亚树库
由 Mitchell P. Marcus 等人介绍。建立一个大型注释英语语料库：Penn Treebank英语Penn Treebank(PTB) 语料库，尤其是华尔街日报 (WSJ) 文章对应的语料库是评估序列标签模型最著名、最常用的语料库之一。任务包括用词性标签注释每个单词。从语料库最常见的分割开始 0 到 18 训练部分(38 219 个句子，912 344 从 19 到 21 验证的部分(5) 527 个句子，131 768 从22 到 24 用于测试（5 462 个句子，129 654 个标记）。语料库也常用于字符级和词级语言建模。
资源：Seq2Biseq：循环神经网络用于序列建模的双向输出IMDb 电影评论
由 Andrew L. Maas 等人介绍。学习用于情感分析的词向量IMDb 电影评论数据集是一个二元情感分析数据集，由来自互联网电影数据库 (IMDb) 的 50,000 评论组成，标记为正面或负面。该数据集包含偶数的正面和负面评论。只考虑高度两极分化的评论。负面评论的分数≤4(满分10)，正面评论得分≥7（满分10）。每部电影不超过30条评论。数据集包含其他未标记的数据。
资源：Sentiment analysis | NLP-progress
模型网
由吴等人介绍。在3D ShapeNets 中：体积形状的深度表示ModelNet 40数据集包含合成对象点云。作为最广泛使用的点云分析基准，ModelNet40 因其类别多样、形状清晰、数据集结构良好等而广受欢迎。原来的 ModelNet40 由 40 个类别（如飞机、汽车、植物，灯），其中 9,843 个用于训练，其余 2,468 个用于测试。相应的点云数据点从网格表面均匀采样，然后通过移动到原点并缩放成单位球体进行进一步预处理。
资源：用于点云分类的几何反馈网络CARLA（汽车学习行动）
由 Dosovitskiy 等人介绍。在CARLA：一个开放的城市驾驶模拟器CARLA（CAR Learning to Act）是一个开放的城市驾驶模拟器，作为 Unreal Engine 4 上的一个开源层而开发。从技术上讲，它的运行方式类似于 Unreal Engine 4 上的一个开源层，以以下形式提供传感器RGB 摄像头（可定制位置）、地面实况深度图、具有 12 个专为驾驶（道路、车道标记、交通标志、人行道等）设计的语义类别的地面实况语义分割图、环境中动态对象的边界框，以及代理本身的测量（车辆位置和方向）。
资源：深度学习的合成数据
以上就是简单的给大家介绍了几个常用的数据集，请大家自己去网站获取更多数据 。
