京东商城商品分类数据

该数据集是将从官网下载的MNIST数据集转换成了.png格式的图片之后的数据。新手通过本地使用该数据集训练模型可以更好的了解图像分类任务的完整的流程，有助于扩展到别的分类任务。

对话情绪识别 对话情绪识别适用于聊天、客服等多个场景，能够帮助企业更好地把握对话质量、改善产品的用户交互体验，也能分析客服服务质量、降低人工质检成本。 对话情绪识别（Emotion Detection，简称EmoTect），专注于识别智能对话场景中用户的情绪，针对智能对话场景中的用户文本，自动判断该文本的情绪类别并给出相应的置信度，情绪类型分为积极、消极、中性。

芯片检测数据集（三列：x1,x2,y）是一个分类数据集，适用于逻辑回归模型。 标签y是0或1

数据集介绍：FashionMNIST数据集中包含已经预先划分好的训练集和测试集，其中训练集共60,000张图像，测试集共10,000张图像。每张图像均为单通道黑白图像，大小为28*28pixel，分属10个类别。 适用人群：深度学习、Pytorch初学者 适用场景：深度学习、Pytorch入门

aclImdb_v1IMDB情感分类数据集.7z

CIFAR-10 Dataset 是用于机器视觉领域的图像分类数据集，它有飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车共计 10 个类别的 60000 张彩色图像，尺寸均为 32*32，其包含 5 个训练批次和 1 个测试批次，每个批次有 10000 张图像。 该数据集由多伦多大学计算机科学系的 Alex Krizhevsky、Vinod Nair 和 Geoffrey Hinton 于 2009 年发布，相关论文有《Learning Multiple Layers of Features from Tiny Images》。

CIFAR-100 Dataset 是用于机器视觉领域的图像分类数据集，拥有 20 个大类，共计 100 个小类，其中每个小类包含 600 张图像（500 张训练图像和 100 张测试图像）并且每张图像均有一个小标签和一个大标签。 该数据集由多伦多大学计算机科学系的 Alex Krizhevsky、Vinod Nair 和 Geoffrey Hinton 于 2009 年发布，相关论文有《Learning Multiple Layers of Features from Tiny Images》。

利用广义可加模型对分类数据进行曲线拟合代码

包括四类花朵：daisy 、dandelion、roses、sunflowers ### 使用步骤如下： * （1）在data_set文件夹下创建新文件夹"flower_data" * （2）点击链接下载花分类数据集 [http://download.tensorflow.org/example_images/flower_photos.tgz](http://download.tensorflow.org/example_images/flower_photos.tgz) * （3）解压数据集到flower_data文件夹下 * （4）执行"split_data.py"脚本自动将数据集划分成训练集train和验证集val ``` ├── flower_data ├── flower_photos（解压的数据集文件夹，3670个样本） ├── train（生成的训练集，3306个样本） └── val（生成的验证集，364个样本） ```