风力发电发电量预测数据集（训练集28201条，测试集12087条） 根据风机 id（tracking_id）、日期时间、风速(m/s)、大气温度(° c)、轴温(° c)、叶片角度(° c)、齿轮箱温度(° c)、发动机温度(° c)、电机转矩(N-m)、发电机温度(° c)、大气压力(Pascal)、面积温度(° c)、风车车体温度(° c)、风向(° c)、电阻(ohm)、转子转矩(N-m)、状态、云层高度、叶片长度(m)、风车高度(m)来预测风力发电发电量

中国交通 标志 C CTSDB数据集训练集9，里面 有800个 选项 一半 是txt，文件 中存一半数据图片

根据风机 id（tracking_id）、日期时间、风速(m/s)、大气温度(° c)、轴温(° c)、叶片角度(° c)、齿轮箱温度(° c)、发动机温度(° c)、电机转矩(N-m)、发电机温度(° c)、大气压力(Pascal)、面积温度(° c)、风车车体温度(° c)、风向(° c)、电阻(ohm)、转子转矩(N-m)、状态、云层高度、叶片长度(m)、风车高度(m)来预测风力发电发电量

Mask R-CNN模型：Kaggle Airbus Ship Detection数据集训练

用于行人检测的已经标注好的数据集，只含有person一个类别，可以直接使用

这是实现UFLDL第二单元“矢量化编程”中用MNIST数据集训练稀疏自编码器主程序，调用了上传的其它几个函数。我的机器上运行10000个样本集的训练大约需要45分钟

word2vec-gensim-wiki-中文 使用Wiki英语数据集训练您自己的word2vec嵌入 您可能需要预先训练的word2vec向量，并且此可能对您来说是个好主意。 但是，棘手的是使用Wiki-english数据集没有预先训练的向量。 更棘手的是，尽管给定的用法代码虽然适用于text8数据集，但无法在wiki-english-20171001数据集上训练矢量。 我们已经对其进行了多次测试，最可能的原因是wiki-english-20171001的数据结构与其余数据略有不同。 它包含许多部分，而不仅仅是标记化的句子。 为了得到它的工作，我们指的是IterableWrapper本提供，并将其应用在维基英文数据集。 用法 要查看进度如何，最好像这样配置日志记录 import logging logging . basicConfig ( format = '%(asctime)s

中国交通 标志 C CTSDB数据集训练集2-2，里面 有800个 选项 一半 是txt，文件 中存一半数据图片

Kaggle digita l数据集 包含了42000份训练数据和28000份测试数据

pytorch 在torchvision包里面有很多的的打包好的数据集，例如minist,Imagenet-12,CIFAR10 和CIFAR100。在torchvision的dataset包里面，用的时候直接调用就行了。具体的调用格式可以去看文档（目前好像只有英文的）。网上也有很多源代码。 不过，当我们想利用自己制作的数据集来训练网络模型时，就要有自己的方法了。pytorch在torchvision.dataset包里面封装过一个函数ImageFolder（）。这个函数功能很强大，只要你直接将数据集路径保存为例如“train/1/1.jpg ,rain/1/2.jpg …… ”就可以根据根目