1.mnist数据集：整个数据集由来自 250 个不同人手写的数字构成，其中 50%是高中学生, 50% 来自人口普查局的工作人员。训练集：60000，测试集：10000 2.imdb数据集：这数据集包含了50000条偏向明显的评论，其中25000条作为训练集，25000作为测试集。label为pos(positive)和neg(negative)。 3.boston_housing数据集：数据来自1970年代，波斯顿周边地区的房价，是用于机器学习的经典数据集。该数据集很小，共计506条数据，分为404个训练样本和102个测试样本。 4.cifar-10数据集：CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

CIFAR与VGG实战.pdf

小型深度学习网络，用于Cifar10的图像分类

在cifar数据集上做图像分类的训练，并以此演示怎样进行模型剪枝，pytorch版本必须大于1.4.0

cifar-10-batches-py.tar.gz 国外下载速度比较慢,共享一下. 亲测可用!

cifar-10数据集 用于图片分类 方便获取数据集

两个数据集 mnist数据集 cifar-10-python.tar.gz cifar-10数据集

Cifar-10数据集，包含60000张32x32彩色图像，其中训练集图像50000张，测试集图像10000张，主要用于CNN训练

cifar10数据集-python版本，下载速度慢，可直接下载使用 Cifar10 dataset-python version, slow download speed, can be downloaded directly

cifar10资源，下下来可以在分类任务上直接跑。