今天小编就为大家分享一篇Python 实现训练集、测试集随机划分，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

超分辨率图像重建常用训练集

此为本人在进行智能感知与学习课程学习时所采集的中国部分道路标志的图片，已经打好标签，可以直接用于神经网络的训练。共有1684张，涵盖14种交通标志，后续仍在进行补充 0 禁止左转 1 禁止右转 2 停车让行 3 向左转弯 4 向右转弯 5 向左向右转弯 6 靠右行驶 7 靠左行驶 8 禁止鸣喇叭 9 人行横道 10 允许掉头 11 停车场 12 全程禁停 13 禁止掉头

使用TensorFlow进行卷积神经网络实现花卉分类的项目，加载十种花分类，建立模型后进行预测分类图片 环境：win10 +TensorFlow gpu 1.12.0+pycharm 训练集 训练数据存放路径为:‘flower/train/花文件名/*.jpg’ 训练模型存储路径为:'flower/model/‘ 测试样本路径及文件名为:'flower/test/花文件名/**.jpg‘ 文章：https://blog.csdn.net/qq_33290233/article/details/107035583#comments_15506322

BP神经网络算法（鸢尾花）附带相关训练集及测试集，Iris（鸢尾花）数据集分为训练集（Iris-train.txt）和测试集（Iris-test.txt），分别含75个样本，每个集合中每种花各有25个样本。

资源内容包括车牌省份的简称、数字、字母的训练样本集合，如京、津、冀、晋、陕、甘、宁、沪。字母如A、B、T、M等。

可以实现物体分类 对新物体识别类别 基于python+opencv+cnn的人脸识别的学习demo

yolo 车辆训练集，7000张 无漏标注，识别率99.8 ，无重复图片，直接下载就跑，1660跑，大概就需要1小时 就搞定

包含26个字母的大小写，以及0~9数字的训练集，包括多种字体，含随机噪声，随机偏转角度，每个字母数字各有1000张图片，适合用于训练字母识别，数字识别，文本识别的机器学习算法

随机从列表中取出元素： import random dataSet = [[0], [1], [2], [3], [4], [5], [6], [7], [8], [9], [10]] trainDataSet = random.sample(dataSet, 3) 以下函数，使用于我最近的一个机器学习的项目，将数据集数据按照比例随机划分成训练集数据和测试集数据： import csv import random def getDataSet(proportion): """ :exception 获取训练集和测试集(将数据按比例随机划分) :parame