分布式机器学习常用数据集

今天开始跑分布式机器学习论文实验了，这里介绍一下论文的常用数据集(因为我的研究领域是分布式机器学习，所以下面列出的数据集可能偏向这方面，做其他方向的童鞋参考下就好)。

1. CV数据集

(1)FEMINIST

任务：手写字符识别参数说明: 62种不同的字符类别 (10种数字, 26种小写, 26种大写)的像素图片, 图片全为28乘28像素大小 (可以选择将其转为128×128), 样本数805263。介绍: FEMNIST数据集全名Federated-MNIST, 属于专门给联邦学习用的基准数据集leaf的成员之一。官网：https://leaf.cmu.edu/引用方式：S Caldas, LEAF: A Benchmark for Federated Settings, 2018.获取方式：采用脚本获取

wget https://s3.amazonaws.com/nist-srd/SD19/by_class.zip
wget https://s3.amazonaws.com/nist-srd/SD19/by_write.zip

(2)EMINIST

任务：手写字符识别参数说明: 按照byclass方式split的话是62种不同的字符类别(各类别数量不均衡) (10种数字, 26种小写, 26种大写)的像素图片, 图片全为28乘28像素大小, 样本数814255。介绍: EMNIST数据集全名extension of MNIST，是MINIST数据集的扩展版。官网：https://www.nist.gov/itl/products-and-services/emnist-dataset引用方式：Cohen G, EMNIST: an extension of MNIST to handwritten letters, 2017获取方式：可以采用脚本获取

wget https://www.itl.nist.gov/iaui/vip/cs_links/EMNIST/gzip.z