蚂蚁和蜜蜂的图像数据集，这个文件夹包含训练图像。文件编号，列在Training_set.csv文件中。这些图像的标签在csv文件中。两个类都混合在这个文件夹中。训练数据集277张，测试120张。

手势识别数据集（手势包括0-10）--大部分类别千张以上，分为训练集和验证级。图像分类数据集，图像分类入门。

数据集包含训练和测试两个文件，各包含 12500张图像，共 25000张。 来自 2013 年的 kaggle 竞赛，当时获胜者使用卷积神经网络达到了 95% 的精度。

包含了甜菜、苜蓿、葡萄、柑橘 、芒果共等8种作物

30类水果图像分类数据集 深度学习模型训练很好的数据集。

彩色图像，包含了两个类别：蚂蚁和蜜蜂。 可用于图像分类任务。 文件夹形式如下： train: ants bees val: ants bees

器械分类数据集(4类，分类 采集板、继电器、交流接触器、驱动板)，下载网盘链接

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。

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

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》。