深度学习的一些数据集介绍

数据集分为三类：图像处理相关数据集，自然语言处理相关数据集和语音处理相关数据集。参考：here

以下主要是图像处理相关数据集。

1、mnist：详情

MNIST数据来自美国国家标准与技术研究所，National Institute of Standards and Technology（NIST）训练集（training set）来自250不同的人手写的数字构成，其中50%是高中学生，50%来自人口普查局（the Census Bureau）的工作人员。测试集（test set）也是同样比例的手写数字数据。

共分为四个文件：

train-images-idx3-ubyte.gz	training set images(9912422 bytes)，55000张训练图片，5000张验证图片，共60000张
train-labels-idx1-ubyte.gz	training set labels(28881 bytes)，
t10k-images-idx3-ubyte.gz	test set images(1648877 bytes)，10000张图片
t10k-labels-idx1-utype.gz	test set labels(4542 bytes)，

数据是IDX文件格式，是一种用来存储向量与多维度矩阵的文件格式。基本格式如下：

TRAINING SET IMAGE FILE (train-images-idx3-ubyte):
    [offset] [type]          [value]          [description]
    0000     32 bit integer  0x00000803(2051) magic number
    0004     32 bit integer  60000            number of images
    0008     32 bit integer  28               number of rows
    0012     32 bit integer  28