将属于相同类别的垃圾图片放在一个文件夹中，在 garbage/ 目录下总共有40个文件夹。 第一大类：其他垃圾/ 0: "一次性快餐盒",1: "污损塑料",2: "烟蒂",3: "牙签",4: "破碎花盆及碟碗",5: "竹筷" 第二大类：厨余垃圾/ 6: "剩饭剩菜",7: "大骨头",8: "水果果皮",9: "水果果肉",10: "茶叶渣",11: "菜叶菜根",12: "蛋壳",13: "鱼骨" 第三大类：可回收物/ 14: "充电宝",15: "包",16: "化妆品瓶",17: "塑料玩具",18: "塑料碗盆",19: "塑料衣架",20: "快递纸袋",21: "插头电线",22: "旧衣服",23: "易拉罐",24: "枕头",25: "毛绒玩具",26: "洗发水瓶",27: "玻璃杯",28: "皮鞋",29: "砧板",30: "纸板箱",31: "调料瓶",32: "酒瓶",33: "金属食品罐",34: "锅",35: "食用油桶",36: "饮料瓶" 第四大类：有害垃圾/ 37: "干电池",38: "软膏",39: "过期药物"

商家广告牌数据集，一共4G左右，分开上传，需要的可自行下载

详细介绍及样例数据：https://blog.csdn.net/m0_65541699/article/details/138248237

dataset：文件夹为手势 0~9 的图片文件 train.csv 和 test.csv：手势 0~9 的 csv 文件 代码压缩包中三个文件： CNN.m：卷积神经网络代码 cnn.mat：保存的卷积神经网络 gesture_recognition.m：手势识别代码（通过修改文件路径对测试数据集中的手势图片进行识别） 该资源的使用请参考本人博客：MATLAB基于卷积神经网络的手势识别

全球港口数据shp格式

采用迷彩、树叶等各种隐蔽手段伪装的人 用于伪装人体目标识别数据图片

2012年全球能源预测大赛电力负荷预测数据集，包括各类常用历史气象数据集，负载历史数据及预测

内容 1）自选文本分类数据集； 2）测试单向、双向TextRNN深度网络算法分类精度； 3）编写、运行程序并查看结果； 4）调节单向、双向TextRNN算法相关参数，分析其对模型效果的影响

共有144节锂离子电池，包含三种不同的SOC(0%SOC，50%SOC和100%SOC)，在4种不同的温度(-40℃，-5℃，25℃，50℃)下进行了电池寿命测试。 1.-40℃，-5℃，25℃，50℃每种温度下分别有 12个电池。 2.每个温度的12个电池中，0%SOC，50%SOC和100%SOC，每种容量分别有4个。 3.144节电池分为三组，每组48个。48个电池每三周进行一次容量测试和阻抗测试；48个电池每三个月进行一次容量测试和阻抗测试；48个电池每6个月进行一次容量测试。 例如：电池PLN_51以C/2的CCCV充电速率进行初始容量测试。当当前电流降到C/100的速率以下时就会以C/2的速率放电以累计达到最大可适用容量。然后，在阻抗测试之后以相同的CCCV曲线对电池充满电。在下一步中，通过将累积容量计算到最大容量的一半，将电池放电至50%SOC。然后将电池存储在温度室中3周。三周后，取出电池进行容量和阻抗测试。

使用getdata.py下载数据，或者使用自己的数据源，将数据放在stock_daily目录下 使用data_preprocess.py预处理数据，生成pkl文件，放在pkl_handle目录下(可选) 调整train.py和init.py中的参数，先使用predict..py训练模型，生成模型文件，再使用predict.py进行预测，生成预测结果或测试比照图 本项目使用机器学习方法解决了股票市场预测的问题。项目采用开源股票数据中心的上证000001号，中国平安股票(编号SZ_000001)，使用更加适合进行长时间序列预测的LSTM(长短期记忆神经网络)进行训练，通过对训练集序列的训练，在测试集上预测开盘价，最终得到准确率为96%的LSTM股票预测模型，较为精准地实现解决了股票市场预测的问题