这个是mini-imagenet-cache-train.pkl文件 DeepMind团队首次将miniImageNet数据集用于小样本学习研究，从此miniImageNet成为了元学习和小样本领域的基准数据集。DeepMind的那篇小样本学习的论文就是大名鼎鼎的Matching Network的来源: Matching Networks for One Shot Learning 。 miniImageNet包含100类共60000张彩色图片，其中每类有600个样本，每张图片的规格为84 × 84 84 \times 8484×84。通常而言,这个数据集的训练集和测试集的类别划分为：80 : 20 80:2080:20。相比于CIFAR10数据集，miniImageNet数据集更加复杂，但更适合进行原型设计和实验研究。

这是Anaconda软件和pytorch下载教程，适用于准备入门机器学习的小白。写的非常详细，本教程是用电脑的cpu来运行代码的，适用于小数据集的运行，不适用于大数据集，因为cpu速度慢

数据为网络爬取，香烟部分，可用于抽烟行为识别，任务属性等任务。数据总量3W+（持续增加），包括部分私有数据，可训练baseline用，更多数据邮件联系yuanc000000@gmail.com

Pre-trained models are available here. All models are trained on Kinetics-700 (K), Moments in Time (M), STAIR-Actions (S), or merged datasets of them (KM, KS, MS, KMS).

pytorch改变tensor维度 Approach 1: add dimension with None Approach 2: unsqueeze Approach 3: view Approach 4: reshape Approach 5: resize_ 如果只想添加一个维度（例如，为批次添加第0个维度），则使用unsqueze（0）。如果要完全改变维度，请使用reshape（）。

机场数据集停机坪数据集500张sample，共5万(持续增加中)。主要是飞机，人车的目标检测。适用于民航安全，跑道安全，人车入侵识别；候机楼，地勤保障，航班全流程节点功能的实现和智慧机场的建设。更多数据邮件联系yuanc000000@gmail.com

数据为网络爬取，手机部分，可用于打电话行为识别，任务属性等任务。数据总量3W+（持续增加），包括部分私有数据，可训练baseline用，更多数据邮件yuanc000000@gmail.com

基于SCINet网络的时间序列建模和预测（Pytorch完整源码和数据） 基于SCINet网络的时间序列建模和预测（Pytorch完整源码和数据） 基于SCINet网络的时间序列建模和预测（Pytorch完整源码和数据） 基于SCINet网络的时间序列建模和预测（Pytorch完整源码和数据） SCINet 时间序列 Pytorch完整源码和数据

基于Seasonal-Trend的时间序列预测（PyTorch完整源码和数据） 基于Seasonal-Trend的时间序列预测（PyTorch完整源码和数据） 基于Seasonal-Trend的时间序列预测（PyTorch完整源码和数据） Seasonal-Trend 时间序列预测 PyTorch 完整源码和数据

基于Pytorch实现的EcapaTdnn声纹识别，训练中文数据集，这个模型使用的是spectrogram 源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch/tree/develop