【模型训练数据集的查找与下载】

已于 2022-08-19 11:10:53 修改
阅读量3.1k 收藏 39
点赞数 4
文章标签： 人工智能 算法 深度学习 数据分析
于 2022-08-16 10:09:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29960631/article/details/126359953
版权

覆盖全网99.5%的公开深度模型数据集（附下载方式，赶紧收藏！））

一、三个网站（持续更新…）

1、https://academictorrents.com/ Academictorrents：127.15TB公开使用的研究数据集

2、https://paperswithcode.com/datasets Paperswithcode：6718个常用数据集

3、https://www.kaggle.com/datasets Kaggel：备选

二、下载详解

1、Academictorrents

  • 搜索mnist数据集、选择一个mnist数据集、下载数据集种子文件

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ShocZ366-1660615200279)(https://s3-us-west-2.amazonaws.com/secure.notion-static.com/28dadddc-d0ee-47e5-b03d-a00f293b767f/Untitled.png)]
在这里插入图片描述
在这里插入图片描述

  • 下载种子文件

（1）点击链接，进入下载界面下载种子下载器https://transmissionbt.com/download/

（2）打开种子下载器安装程序，一路安转成功。打开软件运行（忽略我这里下载过的历史记录）
在这里插入图片描述

（2）将种子文件拖至软件内部即可下载
在这里插入图片描述
在这里插入图片描述

2、Paperswithcode

  • 搜索mnist数据集，点击进入下载即可

在这里插入图片描述

3、Kaggle

搜索mnist数据集，选择以google登录或注册登录，点击下载即可

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DyBvQfHI-1660615131598)(https://s3-us-west-2.amazonaws.com/secure.notion-static.com/696dfb2f-03fc-4910-a37d-18b0213503a6/Untitled.png)]
在这里插入图片描述

王挣银
关注
  • 4
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
数据集VOC鸟类野鸟飞鸟检测数据集VOC格式-17000张
07-06
数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：17000 标注数量(xml文件个数)：17000 标注类别数：1 总文件大小：约4GB，分2个压缩包 标注类别名称:["bird"] 每个类别标注的框数： bird count = 69489 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：数据集中包含常见的鸟类，比如鸡、鸭、天鹅、孔雀、斑鸠、布谷、鱼鹰、老鹰、鸽子、海鸥、鸳鸯、麻雀、八哥、丹顶鹤、喜鹊、鹤等。 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合 数据集过大，已经放网盘去了
AVEC2014数据集下载
05-26
AVEC2014数据集下载，AVEC 2014数据集是一个针对音频、视频和音视频情感分析的基准测试集，也涵盖了抑郁症的自动估计。该数据集包含一些任务特定的人机交互场景，被认为是非典型的自然行为反应，并且符合现实世界中可能会遇到的种类。数据集中的音频和视频数据都是通过Webcam和麦克风记录的，并为每个场景提供了有关主观情绪状态的注释。该数据集的目标是使参与者能够进行连续时间、连续值的情感识别，包括3D维度情感：价值、唤起和支配力，以及抑郁量表II上的自我报告。
MNIST数据集下载(自动下载)
最新发布
创作高质量博文，分享知识，共同进步！
02-27 2246
🔥【MNIST数据集下载全攻略】🔥 在深度学习的道路上，MNIST数据集是你的第一步。🚀 利用PyTorch，轻松下载并探索这个经典的手写数字识别数据集！📚 在本博客中，你将了解MNIST的魅力，以及如何通过几行代码实现自动下载。💻 加入我们，一起探索数据科学的奥秘，成为AI大师！💥 #MNIST数据集 #PyTorch下载 #深度学习入门 #手写数字识别
生活用纸张强度预测数据集
12-18
生活用纸张强度预测数据集，train.csv 训练数据集，提供原纸的抽检样本检测数据，具体包含原纸的抗张强度数值（预测目标）、与原纸批次关联的质检过程数据（纤维形态数据）和前工序关键参数，该部分数据实际业务场景中以人工记录为主。 paper_machine_data.csv 纸机运行实时参数，用于模型训练时提取特征，可以通过时间信息和训练数据集进行关联
TextAttack：TextAttack:octopus:是一个Python框架，用于NLP中的对抗性攻击，数据增强和模型训练
02-03
文字攻击 :octopus: 生成NLP模型的对抗示例 ••• 关于 TextAttack是一个Python框架，用于NLP中的对抗性攻击，数据增强和模型训练。 如果要查找有关TextAttack的预训练模型的信息，则可能需要页面。 松弛通道 有关TextAttack的帮助和实时更新，请 ！ 为什么选择TextAttack？ 使用TextAttack的原因很多： 通过对NLP模型进行不同的对抗攻击并检查输出，可以更好地了解NLP模型 使用TextAttack框架和组件库研究和开发不同的NLP对抗攻击 扩展数据集以提高模型的概括性和下游的鲁棒性 仅使用一个命令即可训练NLP模型（包括所有下载内容！） 建立 安装 您应该运行Python 3.6+才能使用此软件包。 兼容CUDA的GPU是可选的，但将大大提高代码速度。 TextAttack可通过pip获得： pip install textattack 一旦安装了TextAttack，您就可以通过命令行（ textattack ... ）或python模块（ python -m textattack ... ）运行它。 提示
【机器学习算法】手动Python实现KNN分类算法，并用iris数据集检验模型效果
12-22
目录一、KNN算法Python实现1、导入包2、 画图，展示不同电影在图上的分布3、训练样本和待测样本准备4、计算待测样本点到每个训练样本点的距离5、查找离待测样本点最近的K个训练样本点的类型6、找出数量最多的类7、写成自定义函数二、鸢尾花（iris）数据集测试1、导入包2、导入数据，划分数据集3、调用写好的KNN函数，并计算查准率、查全率和混淆矩阵 KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来实现一下吧，并在iris数据集上检验模型效果。 算法原理：看新样本与最接近的那个训练集样本属于哪一类
怎么寻找数据集
一起躺躺躺的博客
04-06 9149
1、paperswithcodes datasets：一个网站，论文的代码实现以及在各个数据集上面的表现，也有一些论文常见的数据集 2、Kaggle datasets：一个竞赛的网站，有常见数据集，也有用户上穿的数据集，用户上传的数据集质量参差不齐，需要自己判断 3、Google dataset search：一个数据集的搜索引擎，可以在上面搜索需要的数据集，返回结果是各种网站相应的数据集 4、也有各种各样集成的工具数据集，比如tensorflow、huggingface 5、从各种竞赛或者公司中发
大家都是在哪些网站找数据？
qq_37379316的博客
09-18 2317
对于统计专业的学生/学者，除了对统计理论/方法的学习之外，我们也应该有产生和获取数据的能力。而不能闭门造车，仅仅做一些理论的内容。小编认为更应该从实际出发（数据出发），观察数据中存在的问题，进而使用一些统计理论解决问题。上面的话主要从统计大咖们的讲座中受到启发。于是，我也开始以这种思维进行科研和学习。下面分享一些，自己“存”的数据以及可以获得数据的开源网站。
我是如何寻找数据集的，一些个人私藏
Kaiyuan_sjtu的博客
07-02 4888
大家好，我是kaiyuan。最近有同学微信问我某某方向的数据集在哪里找，于是周末抽空整理了十多个非常全面的数据集查找平台，分享给大家。下面都带了链接，有些可能会需要梯子，收藏Enjoy！呼...
获取数据集的途径
weixin_48932514的博客
12-14 5444
1：在kaggle上获取数据集，网址为https://www.kaggle.com/datasets 2：谷歌数据集搜索引擎（前提是你能上外网），网址为：https://toolbox.google.com/datasetsearch 3：微软数据集，网址为：https://msropendata.com/ 4：美国政府数据集，网址为：https://www.data.gov/ 5：欧盟数据集，网址为：https://data.europa.eu/euodp/data/dataset 6：中国国家统计数据集
查找文献（中英文）并下载、翻译，以及代码下载
m0_69079172的博客
08-23 738
关于文献的查找及翻译
数据集，包含cifar-10、cifar-100、Textures、minst、SVHN、USPS、LSUN、ISUN等
01-10
用于模型训练的公共数据集，对一般的网络训练可以进行直接读取，部分数据集可以分为图片类型，有一部分数据集有原图和源文件类型，可以使用不同的数据读取方式对数据进行读取训练，希望对同学们有帮助。有需要的可以直接后台联系我，如果我看到了会及时回复，数据集查找也可以找我。
nerfstudio 默认训练数据poster
02-19
# Download some test data: ns-download-data nerfstudio --capture-name=poster 所下载的训练数据
coco训练集5k.part
01-31
coco训练集5k.part（2014），包含coco训练集的图片路径（相对路径）如果发生找不到图片的情况，可修改为绝对路径
深度学习里面的网络模型绘图工具
05-22
深度学习里面的网络模型绘图工具，用到了python语言。 http://alexlenail.me/NN-SVG/LeNet.html 正常的话是需要翻墙才能下载到，并且该服务器处于海外，下载速度对很慢很慢，亲测！所以还不如在这里下载！真的很划算！NN-SVG Publication-ready NN-architecture schematics. Download SVG FCNN style LeNet style AlexNet style Style: Color 1 Color 2 Filter Opacity Border Width Spacing Between Filters Show Layer Labels Architecture: Depth | Height | Width | filter Height | filter Width 8 128 128 8 8 Op: Max-Pool 8 64 64 16 16 Op: Convolution 24 48 48 8 8 Op: Max-Pool 24 16 16 8 8 Op:
ag_news数据集
05-28
496,835 条来自 AG 新闻语料库 4 大类别超过 2000 个新闻源的新闻文章，数据集仅仅援用了标题和描述字段。每个类别分别拥有 30,000 个训练样本及 1900 个测试样本。 README： AG's News Topic Classification Dataset Version 3, Updated 09/09/2015 ORIGIN AG is a collection of more than 1 million news articles. News articles have been gathered from more than 2000 news sources by ComeToMyHead in more than 1 year of activity. ComeToMyHead is an academic news search engine which has been running since July, 2004. The dataset is provided by the academic comunity for research purposes in data mining (clustering, classification, etc), information retrieval (ranking, search, etc), xml, data compression, data streaming, and any other non-commercial activity. For more information, please refer to the link http://www.di.unipi.it/~gulli/AG_corpus_of_news_articles.html . The AG's news topic classification dataset is constructed by Xiang Zhang ([email protected]) from the dataset above. It is used as a text classification benchmark in the following paper: Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015). DESCRIPTION The AG's news topic classification dataset is constructed by choosing 4 largest classes from the original corpus. Each class contains 30,000 training samples and 1,900 testing samples. The total number of training samples is 120,000 and testing 7,600. The file classes.txt contains a list of classes corresponding to each label. The files train.csv and test.csv contain all the training samples as comma-sparated values. There are 3 columns in them, corresponding to class index (1 to 4), title and description. The title and description are escaped using double quotes ("), and any internal double quote is escaped by 2 double quotes (""). New lines are escaped by a backslash followed with an "n" character, that is "\n".
在图像中查找西红柿模型训练数据集，共890多张图片已经标记过.zip
02-25
在图像中查找西红柿模型训练数据集，共890多张图片已经标记过 在图像中查找西红柿模型训练数据集，共890多张图片已经标记过
基于YOLOv8的抄写行为识别检测系统Python源码(含训练好的模型+评估指标曲线+项目使用说明).zip
11-20
2、训练好的模型+评估指标曲线+数据集可视化图存放在“ultralytics\yolo\v8\detect\runs\detect”文件夹(资源内不含数据，需要数据请查找博主资源付费下载，或私信博主) 3、开始检测识别 a.打开predict.py修改34行...
图像数据库
热门推荐
年轻即出发，
07-14 8万+
ImageNet          ImageNet 是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像，是已知的最大的图像数据库。每年的ImageNet大赛更是魂萦梦牵着国内外各个名校和大型IT公司以及网络巨头的心。图像如下图所示，需要注册ImageNet帐号才可以下
openpose改进训练数据集
07-28
引用\[1\]:运行完成后，在training_myself/dataset/COCO/目录下得到一个mask2014/目录，里面是未标注人的图片。将这个文件夹拷贝到training_myself/dataset/COCO/images/目录下以便后续处理。引用\[2\]:由于要训练自己的数据集，所以就需要人工标注数据，使用软件为labelme。该工具非常好用，基本可以满足深度学习众多任务的数据标注需求。引用\[3\]:按照编译官方最新的caffe的方法来编译这个用于训练openpose模型的caffe_train会遇到很多错误，主要原因我认为是这个caffe_train有点过时了，里面的部分源码都是很老版本的caffe中的。而我们所用的一些caffe相关的工具，软件，库肯定都是较新的版本。 针对openpose改进训练数据集的问题，可以采取以下步骤： 1. 首先，确保你已经准备好了自己的数据集，并使用labelme等工具进行人工标注。将标注好的数据集放置在合适的目录下，以便后续处理。 2. 接下来，你可以根据自己的需求对数据集进行改进。例如，你可以增加更多的样本，以增加数据集的多样性和覆盖范围。你还可以对标注的准确性进行检查和修正，确保每个位置的标注足够准确。 3. 此外，你还可以根据需要对数据集进行筛选，去除一些特征不明显或不符合要求的样本，以提高训练的准确率。 4. 如果你遇到了编译caffe_train的问题，可以尝试查找最新的编译方法或使用更新的版本。确保你使用的工具、软件和库与你所使用的openpose版本兼容。 通过以上步骤，你可以改进训练数据集，使其更适合用于openpose模型的训练。 #### 引用[.reference_title] - *1* *3* [OpenPose训练自己的数据集模型Realtime Multi-Person Pose Estimation](https://blog.csdn.net/qq_38469553/article/details/82119292)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [OpenPose（tensorflow）工程详解系列（一）—— 制作训练数据集](https://blog.csdn.net/kxh123456/article/details/114531371)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值