Imagenet验证集数据大小为6.5G，共有1000类的50000张图片。本文主要是对这1000类的50000张图片的标签信息。

已由DK数据工作室整理好，训练集和验证集也已经划分好，接近500张照片，每张照片带有txt格式的标注，直接适用于YOLO目标检测项目

口罩检测数据集，已由DK数据工作室处理好，已划分训练集和验证集，共8000张图片，可直接适用于YOLO目标检测代码

consep数据集，用于病理研究。包括验证集，测试集。已经把错误的一个图删掉了。

三个文件 train.txt test.txt val.txt

将训练集、验证集、测试集生成label标签，同时将数据集路径导入txt文件中

火灾数据集，一共2056张图片和xml文件，已标注，已分配训练集、验证集和测试集，采用了2056张典型的火灾现场图片，使用VOC标注了火灾位置，并且将图片和xml文档的文件名进行有序排列。可以用于火灾识别和监控领域。

官方给出的coco数据集，验证集

1. 资源内容：大数据数据分析机器学习-搜狗新闻行业分类-数据集-训练集-验证集-机器学习数据分析师必备 2. 使用目标：数据分析，机器学习学习用数据集 3. 应用场景：数据分析，机器学习学习 4. 特点：学习 5. 适用人群：学生，算法工程师，研究生 6. 使用说明：压缩包，里面有6个文件，分别是训练集测试集和验证集。分别有文本文件格式和Excel格式。两种格式内容一样。可以根据自己的需求重新划分。

PyTorch提供了ImageFolder的类来加载文件结构如下的图片数据集： root/dog/xxx.png root/dog/xxy.png root/dog/xxz.png root/cat/123.png root/cat/nsdf3.png root/cat/asd932_.png 使用这个类的问题在于无法将训练集（training dataset）和验证集（validation dataset）分开。我写了两个类来完成这个工作。 import os import torch from torch.utils.data import Dataset, DataLoader f