这是总结的深度学习中常用的11个图数据集。 1. 近年来，深度学习越来越关注图方向的任务，通过利用图神经网络去挖掘现实中各种可以利用图来表示事物（社交网络，论文引用网络，分子结构）等等，来学习更好的表示，去实现下游任务。 2. 图数据是由一些点和一些线构成的，能表示一些实体之间的关系，图中的点就是实体，线就是实体间的关系。如下图，v就是顶点，e是边，u是整张图。attrinbutes（feature）是信息的意思，每个点、每条边、每个图都是有信息的。 3. 图数据集对于图任务的科研是必备的。深度学习中常用的图数据集：Cora、Citeseer(Cite)、Pubmed、DBLP、ACM、AMAP、AMAC、Corafull、WIKI、BAT、EAT、UAT。

心音图数据集，该数据集包含3126个心音图(PCG)记录和同时记录的心电图(ECG)，记录时间为10-60秒。四种最常用于听心音的位置，根据最容易听到瓣膜的位置来命名，最常被用于听心音的四个位置是位于右侧第二肋间隙的主动脉区中心。肺区-在第二肋间间隙沿左胸骨边界。三尖瓣区-在第四肋间隙沿左胸骨边缘。二尖瓣区位于心尖，在锁骨中线的第五肋间隙。

用于图分类的基准图数据集的存储库 图分类简介 近年来，目睹了涉及具有结构关系的对象的越来越多的应用，包括生物信息学中的化合物，大脑网络，图像结构和学术引用网络。 对于这些应用程序，图形是用于建模和捕获对象之间的依赖关系的自然而强大的工具。 与传统数据不同，在传统数据中，每个实例均以特征值矢量格式表示，图具有节点-边缘结构关系，并且没有自然矢量表示。 近年来，这一挑战激发了许多图分类算法。 给定一组训练图，每个训练图与一个类别标签相关联，图分类旨在从训练图中学习模型，以预测将来看不到的图。 下图显示了矢量数据和图形数据之间的betweeb分类差异。 数据集汇总 该存储库维护31个基准图数据集，这些数据集广泛用于图分类。 图形数据集包括： 化学化合物 引文网络 社交网络 脑网络 化学化合物图形数据集采用“ .sdf”或“ .smi”格式，其他图形数据集则表示为“ .nel”格式。 所有这些

冰山船舶卫星图数据集.zip

九种汉语方言的声谱图，包括长沙话，河北话，合肥话，客家话，南昌话，宁夏话，陕西话，上海话，四川话，每种方言1000张png图片，2018科大讯飞方言挑战赛数据集，适合用于方言识别，语种识别模型的训练，更多声谱图资源请点我主页寻找

四种汉语方言的声谱图，包括宁夏话，陕西话，上海话，四川话，每种方言6000张png图片，2018科大讯飞方言语种挑战赛数据集，适合用于方言识别，语种识别模型的训练，更多声谱图资源请点我主页寻找，适合用于大学生大创项目

九种汉语方言的声谱图，包括长沙话，河北话，合肥话，客家话，南昌话，宁夏话，陕西话，上海话，四川话，每种方言250张png图片，2018科大讯飞方言挑战赛数据集，适合用于方言识别，语种识别模型的训练，更多声谱图资源请点我主页寻找

包含一类目标：战车。彩图，图片数量为1000张，尺寸为1024x1024，可用于目标检测算法的研究。

产生yolo格式数据集的信号时频图和标签。AM、FM、2FSK、2PSK、DSB。每张图信噪比、信号种类、信号个数在设置范围内随机。

可以输出mfsk、mpsk、am、dsb、fm时频图，并制作成yolov格式的数据集。