1.图像数据集：
（1）MNIST：由纽约大学的Yann LeCun整理的手写数字(0-9)数据集，图片大小为28*28，包含60000个训练集，10000个测试集，广泛用于机器学习的测试和训练。
（2）cifar:由加拿大先进技术研究院的AlexKrizhevsky等收集的小图片数据集。包含CIFAR-10和CIFAR-100两种， 图片大小为32*32。cifar-10共10个分类。50000张训练，10000张测试。CIFAR-100包含100个类别，每个类别600张图像，其中500张用于训练，100张用于测试。其中这100个类别又组成了20个大的类别，每个图像包含小类别和大类别两个标签。
（3）ImageNet:由美国斯坦福的李飞飞模拟人类的识别系统建立的图像识别数据库，目前已经包含14197122张图像，图像包含1000类，是已知的最大的图像数据库，AlexNet、VggNet、GoogleLeNet、ResNet这些经典图像识别模型都是用的此数据集。 图片生成描述数据集：
（4）COCO：是微软团队获取的一种新的图像识别，分割和加字幕标注的数据集。特点为：目标分割，通过上下文进行识别，每个图像包含多个目标对象，超过300000个图像，超过2000000个实例，80种对象，每个图像包含5个字幕，包含100000个人的关键点。是图片描述常用的数据集。也可用于做多标签训练。
（5）图像中文描述数据集：由搜狗、今日头条等举办的ai挑战赛的数据集。每张图片有五句中文描述，训练集有210000张，验证集有30000张。 风景图片多标签数据集：南京大学收集，包括2000张图像，每个图像有五个标签分别为 desert, mountains, sea, sunset , trees。可以用来做网络的迁移训练以及图像的多标签训练。
2.语音数据集：
（1）clesent:由母语为汉语的说话人录制的英语语料库。clesent语音库分为口音自适应和测试两个集合，一共有3小时。
（2）CET：通过大学生英语四六级考试抽样出来音频。语料库大约为800个小时。
（3）TIMIT：该语音库是由美国各地区（带方言）本土人录制的连续英语语音数据库。数据集分为训练集和测试集，大约5.5小时。
（4）WSJCAM0：由英国剑桥大学发布的英语音库。该语料库大约为24小时。
（5）WSJ1：华尔街日报口语料库，主要由播音员录制的语音音频。大小约为162小时。
（6）WSJ0：美国国防部口语项目提供的《华尔街日报》语料库，主要用于大词汇量连续语音识别系统的研究。该语料库大约42.5小时。
（6）TM:是一些英语教材的音频，大约为43小时。
（7）Libirispeech:是基于LibriVox的公共领域的阅读有声书本的语料库。主要是训练和测试自动语音识别系统。其中有纯净的训练语音库100个小时，300个小时以及其他包含一些噪声的500小时的语料库；测试集和开发集包含以上训练集。 硬件平台 前期学习使用自己的笔记本进行CPU跑神经网络，后期需要尽可能有GPU资源节约时间。
作者：microchip
链接：https://www.jianshu.com/p/d0baf4326ff2
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。