omniglot数据集官方整理完整版

Omniglot数据集：含1623类手写体，每类中包含20个样本。数据集的详细描述参考：https://arxiv.org/abs/1707.09835。 比赛数据集（659类）： 参考数据集（964类）：

适合运行DAGAN论文源码程序的人员，tb花钱让人帮忙下载的，实际运行过代码，可以复现论文结果

暹罗网络-omniglot-pytorch PyTorch实现的“用于一幅图像分类的暹罗神经网络”。 论文详细信息-https //www.cs.cmu.edu/~rsalakhu/papers/oneshot1.pdf Omniglot数据集可从 要求 火炬0.3.0 火炬视觉0.2.0 结果 验证任务：0.85以上 一击分类：0.50

该数据集可以用于小样本的学习使用，比较方便，数据中的内容包含字符和类别分类

该压缩包包含Omniglot数据集以及完整的代码（保证可以运行）、文档说明、训练集。使用Tensor Flow框架深度学习实现，最终效果基本接近于100%，效果较好，大家可以自己进行下载研究，良心作品，期末作业进行实现的，现在供大家参考。

小样本学习基本数据集

四个数据集下载链接。其中包括了Omniglot数据库，mnist_data数据库，cifa10_data数据库以及最近很火的miniImageNet数据库。

MAML-Pythorch 你可以在我的库中的数据集omn​​iglot： 这些是我最好的回购表现： 杂种 5次1发 MAML：$ 98.7 \ pm 0.4％$ 我们的：$ 97.5％$ 20路1杆 MAML：$ 95.8 \ pm 0.3％$ 我们的：$ 84.8％$ 20路5拍 MAML：$ 98.9 \ pm 0.2％$ 我们的：$ 94.4％$ miniImageNet 5次1发 MAML：$ 48.70 \ pm 1.84％$ 我们的：$ 49.15％$ 5路5射 MAML：$ 63.11 \ pm 0.92％$ 我们的：$ 62.26％$

此次资源为期末考核作品，最终评定4.0绩点。（包括数据集、代码<保证可以运行>、设计文档、训练集）使用数据集为Omniglot，也可以使用自己的数据集进行实现，采用框架，采用多次卷积，最终实现5分类（准确率100%），10分类（99%），30分类（50%多，样本集特征不够明显，不能怪我）。大家可以自己参考