该数据集由17509张图像组成，包含7种不同类别的杂草图像和1个负类图像，使用csv对每一图像的类别进行标注。数据集中的每幅图像统一被缩放为256*256像素大小，该数据集主要应用于基于深度学习或机器学术的杂草分类、检测等方面的研究。

使用说明，参考：https://www.jianshu.com/p/8db0dd959897

此演示展示了信号数据示例的完整深度学习工作流程。 我们展示了如何准备、建模和部署基于深度学习 LSTM 的分类算法来识别机械空气压缩机的状况或输出。 我们展示了如何执行深度学习工作流程的以下部分的示例： 第 1 部分 - 数据准备第 2 部分 - 建模第 3 部分 - 部署 该演示是作为 MATLAB 项目实现的，需要您打开该项目才能运行它。 该项目将管理您需要的所有路径和快捷方式。 第一次运行项目时还需要一个重要的数据副本。 第 1 部分 - 数据准备本示例说明如何提取将用作LSTM深度学习网络输入的声学特征集。 跑步： 打开 MATLAB 项目 Aircompressorclassification.prj 打开并运行 Part01_DataPreparation.mlx 第 2 部分 - 建模此示例展示了如何训练 LSTM 网络对包括健康和不健康信号的多种操作模式进行分类

想要使用GNN简单建立分类模型预测阿尔兹海默症的人

深度学习，代码示例，用一个简单的一层网络实现鸢尾花分类，经过500次传播，准确率可以达到90%以上。最后实现了准确率和损失值的可视化。

六种特别美丽的蝴蝶图片数据集，该数据集的收集于2022年共包含1028张图像，每张图片都是224x224像素的jpg格式，这些图片是6种常见的美丽的蝴蝶。有些蝴蝶是有毒的，有些看起来像有毒的。CSV文件包含标签，文件夹或图像名称中不包含标签信息。

传统装饰图案数据集，主数据集(decor.zip)是485张传统装饰图案的彩色图像(150x150x3)和带有decor.csv标签的文件。图片文件格式为。png，标签为整数和值。文件DecorColorImages。H5由这个集合的预处理图像图像张量和目标(标签)组成。

30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式

4种不同烘烤方式的咖啡豆分类数据集，每类超过270张图片。 4种不同烘烤方式的咖啡豆分类数据集，每类超过270张图片。 4种不同烘烤方式的咖啡豆分类数据集，每类超过270张图片

ResNet 训练CIFAR10数据集，并做图片分类