30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。

37个类的图像识别数据集，图像的大小被调整为224x224，目标标签的范围从原来的1-37移动到0-36。数据被分成train和测试文件集 37个类的图像识别数据集，图像的大小被调整为224x224，目标标签的范围从原来的1-37移动到0-36。数据被分成train和测试文件集

61种不同食物图片分类数据集，该数据集是一组食物的图片和一个CSV文件，将每张图片链接到标注的食物类别。为了简化，每张图片只包含一种食物。这些图片大小不一。总共有61种不同的食物，有超过9300个手工注释的61类图像数据。

100种蝴蝶与蛾子图像数据集。所有图片均为224x224x3, jpg格式。训练集由12639张图像组成，分成100个子目录，每个目录对应一个物种。测试集由500张图片组成，分成100个子目录，每个目录5张测试图片。有效集合由500张图片组成，分成100个子目录，每个物种5张验证图片。包含一个CSV文件。csv文件由3列组成，共13639行，一行对应数据集中的每张图像。

174张水稻穗各个形态数据集 174张水稻穗各个形态数据集 174张水稻穗各个形态数据集

300万条评论情绪判断数据集，有1749055行具有正标签(satisfying =1)， 308112行具有负标签(unsatisfying =1)， 875580行没有任何标签(satisfying =0和unsatisfying =0)。 300万条评论情绪判断数据集，有1749055行具有正标签(satisfying =1)， 308112行具有负标签(unsatisfying =1)， 875580行没有任何标签(satisfying =0和unsatisfying =0)。 300万条评论情绪判断数据集，有1749055行具有正标签(satisfying =1)， 308112行具有负标签(unsatisfying =1)， 875580行没有任何标签(satisfying =0和unsatisfying =0)。

nanodet source file and version for pytorch

简单分类适合大学生在校生考试，关于pythorch深度学习的代码和源码： 猜字，加减乘除，游戏设计，绘制图像，创建线程，线性回归，糖尿病，多线程等实验代码

北京农林作物基因组与生物信息学培训的内部讲义，包括1、深度学习基础，2、及其在基因组选择中的应用实例介绍

Netron 6.1.3版本，支持darknet、pytorch、tensorflow、onnx、caffee、paddlepaddle、ncnn、tnn、mnn等各种平台的模型网络结构可视化