视频链接如下： https://www.bilibili.com/video/BV16Z4y127w3/?vd_source=6ea7a224dd878fde411995c70d3c5adb#reply118347089152 看好多人要数据集，可能看不到，就存在这里吧。

先安装环境 ----> 使用data_classify.py文件进行训练集与测试集分割 ----> 在进行训练即可 数据准备：当前数据存放 data_name 文件夹内 文件夹名就是类别名，n个类别就是n个文件夹 目录主要结构组成： model_AlexNet.py ----> 自己建的AlexNet模型（可选其他模型） model_Vgg16.py ----> pytorch自带更改的模型（可选其他模型） train.py ----> 用于训练模型 test.py ----> 用于测试模型 辅助文件： data_classify.py ----> 将 data_name内的类别分为训练集与测试集。 ​ 注意查看代码内容，包含argparse模块 清除单通道图像 -----> 数据清洗，处理异常图像 旧版数据加载 -----> 用于学习图像 数据加载

将自适应矩估计算法（Adam）作为反向传播算法应用于普通的三层神经网络（输入层、隐含层、输出层）的反向传播过程，之后建立数据预测模型进行数据预测，压缩包中Adam.py为训练过程源码，test.py为测试过程源码，train.csv文件为训练数据集，test.csv文件为测试数据集，.npy文件为模型训练后保存的参数。

交通流数据集pems数据集04至08都有

压缩包中包含算法的Python实现代码、测试数据集及运行结果，可供感兴趣的同学参考。因为现在的实现并不能对所有的数据集都得到良好的效果，所以如果哪位同学有更好的想法，希望能不吝赐教。

广西 天气 分析产量数据

DeepFashion包含超过800,000种不同的时尚图像，从精美的商店图像到无约束的消费者照片。 DeepFashion注释了丰富的服装商品信息。此数据集中的每个图像都标有50个类别，1,000个描述性属性，边界框和服装标记。 DeepFashion包含超过300,000个交叉姿势/跨域图像对。 使用DeepFashion数据库开发了四个基准，包括属性预测，消费者到商店的衣服检索，店内衣服检索和地标检测。这些基准的数据和注释也可以用作以下计算机视觉任务的训练和测试集，例如衣服检测，衣服识别和图像检索（In-shop）

新手入门必备！可以尝试一下。里面可以直接运行，把自己的数据集替换掉即可，也可以私信我替换！

新手入门必备，可以尝试一下，这里可以直接用自己的数据集替换掉就好了，也可以私信我进行替换！

可用于电缆网负载预测，电缆网故障诊断，电缆网拓扑