files contain 1,000,209 anonymous ratings of approximately 3,900 movies made by 6,040 MovieLens users who joined MovieLens in 2000.

深度学习常用数据集，共有7万张图片。其中6万张用于训练神经网络，1万张用于测试神经网络。 每张图片是一个28*28像素点的0~9的手写数字图片。 黑底白字。黑底用0表示，白字用0~1之间的浮点数表示，越接近1，颜色越百。

使用Python实现模糊神经网络（FNN）用于数据预测，压缩包中源码FNN.py主要用于使用训练数据集进行模型训练，生成对应的训练后模型参数，test.py主要用于利用训练好的模型对测试数据集进行预测，输出结果包括MAE、MAPE等误差值以及预测差值的分布情况等，train.csv为训练数据集，test.csv为测试数据集，.npy文件为训练后生成的隶属度函数中心点、宽度向量、权值等参数。

深度学习中，对不同类的数据集图片进行分类，使得训练集、测试集、验证集中含有的图片类别不冲突。例如我手头有一个医学图像处理的数据集，我要检测图片中的病变类别，分清他是肿瘤、创伤还是其它问题，因为每一类图片都对应着多个病人，但在实际训练过程中，同一个病人的病变图片差不多，如果分属于训练集、验证集、测试集，那么检测精度一定会有是会有所下降，所以需要先进行一次分类。这个程序就是起到这样一个作用。classify.py #读取图片前六位 def sixTop(fileList): sixTopName = list() for name in fileList: sixTopName.append(name[0:6]) return sixTopName #判断前六位数字是否重复，输出次数 def imgRepeat(L): repeatList = [] setList = set(L) flag=True if len(L) != len(setList): flag=False

工业仪表分割数据集， 可直接用于实际项目，数据均为实际项目中采集

资源详细介绍情况可点击链接查看 http://t.csdn.cn/DnLFg 此资源为CCPD2019车牌提取和字符提取出的数据集，为压缩包part4，由于平台限制共有7个压缩包，只有part1需要积分，七个需要全部下载同时解压才可以使用。

资源详细介绍情况可点击链接查看 http://t.csdn.cn/DnLFg 此资源为CCPD2019车牌提取和字符提取出的数据集，为压缩包part3，由于平台限制共有7个压缩包，只有part1需要积分，七个需要全部下载同时解压才可以使用。

资源详细介绍情况可点击链接查看 http://t.csdn.cn/DnLFg 此资源为CCPD2019车牌提取和字符提取出的数据集，为压缩包part2，由于平台限制共有7个压缩包，只有part1需要积分，七个需要全部下载同时解压才可以使用。

IEMOCAP数据集下载.rar

钢材表面缺陷检测数据集：NEU-DET 1.包含YOLO模型所需处理好的.txt标签labels文件，已测试； 2.包含所有1800张原始图片及标签xml文件。