在訓練神經網絡進行圖像識別分類時，常會用到一些通用的數據集合。利用這些數據集合可以對比不同模型的性能差異。下文整理常用的圖片數據集合（持續更新中)。
基本信息對比表格：

數據集合	類別數	圖像數/類	訓練集	測試集	圖像大小	格式	數據集大小	圖像內容
CIFAR-10	10	6k	5w	1w	32*32	RGB	163M	交通工具，動物
MNIST	10	7k	6w	1w	28*28	灰度	54M	手寫數字
STL_10	10	1300(label)+10W(unlabel)	500	800	96*96	RGB	2.5G	與cifar一樣
L-sun	10	–	–	–	256*256	RGB	>50G	場景

1 CIFAR-10

CIFAR-10是RGB 彩色圖像數據集，是Hinton的學生Alex標注整理發布。
數據集發布網站：http://www.cs.toronto.edu/~kriz/cifar.html

一共包含10 個類別：飛機（ airplane ）、汽車（ automobile ）、鳥類（ bird ）、貓（ cat ）、鹿（ deer ）、狗（ dog ）、蛙類（ frog ）、馬（ horse ）、船（ ship ）和卡車（ truck ）。

每個圖片的尺寸為32 × 32 ，每個類別有6000個圖像，數據集中一共有50000 張訓練圖片和10000 張測試圖片。訓練數據背分別放在5個.bin文件中，測試數據放在1個文件中。

一個樣本由32323=3073 個字節組成，第一個字節為標簽label ，剩下3072 個字節為圖像數據。樣本和樣本之間沒高多余的字節分割， 每個二進制文件的大小是30730000 字節。

數據集合的文件目錄如下：

通過pytorch 讀入cifar-10數據文件：

transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), ])

訓練集，將目錄./data下的cifar-10-batches-py文件夾中的全部訓練數據（50000張訓練圖片）加載到內存中，若download為True時，會自動從網上下載數據并解壓

trainset = torchvision.datasets.CIFAR10(root=’./data’, train=True, download=True, transform=transform)

將訓練集的50000張圖片劃分成12500份，每份4張圖，用于mini-batch輸入。shffule=True在不同epoch的數據遍歷時，打亂順序重新分組。num_workers=2：使用兩個子進程來加載數據

trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)

測試集，將目錄./data下的cifar-10-batches-py文件夾中的全部測試數據（10000張測試圖片）加載到內存中，若download為True時，會自動從網上下載數據并解壓

testset = torchvision.datasets.CIFAR10(root=’./data’, train=False, download=False, transform=transform)

將測試集的10000張圖片劃分成2500份，每份4張圖，用于mini-batch輸入。

testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)

用for 循環enumerate在trainloader和testloader 中取批次數據即可。

for i, data in enumerate(trainloader, 0):

參考資料：https://blog.csdn.net/qq_41185868/article/details/82793025

2.MNIST

3.STL_10

官方網址:https://cs.stanford.edu/~acoates/stl10/

STL-10數據集是用于開發無監督特征學習、深度學習、自學習算法的圖像識別數據集。它的靈感來自CIFAR-10數據集，并進行了一些修改。與CIFAR-10相比，每一類別 標記訓練樣本數量較少.但是在監督訓練之前，提供了大量的未標記樣本來學習圖像模型。主要的困難是利用未標記的數據（來自與標記數據相似但不同的分布）來構建有用的先驗。我們還期望，該數據集以較高分辨率（96x96）將使其成為開發更具伸縮性的無監督學習方法的基準。

1.10個類：飛機、鳥、汽車、貓、鹿、狗、馬、猴、船、卡車。
2.圖像為96x96像素，彩色。
3.500張訓練圖像（10份）/每類，800張測試圖像/每類。
4.用于無監督學習的100000張無標簽圖像。這些樣本是從相似但分布更廣的圖像中提取出來的。例如，10類標簽中的動物外，它還包含其5.他類型的動物（熊、兔子等）和車輛（火車、公共汽車等）。
圖像是從ImageNet上標記的樣本中獲取的。

官網提供了matlab 版本(.mat)和python 版本(二進制文件)的數據文件,(我用的是python版本的文件)

二進制文件有數據文件和標簽文件：train_X.bin(數據文件)、train_y.bin(標簽文件)、test_X.bin和test_y.bin。在每個值中，數據存儲格式:uint8的數組。圖像以列主順序存儲，一次一個通道。也就是說，前9696值是紅色通道，后9696值是綠色，最后一個是藍色。標簽在1到10之間。未標記的數據集unlabeld.bin的格式相同，但不存在“y.bin”文件。

提供一個class_names.txt文件供參考，每行一個類名。

文件fold_index.txt包含用于訓練的每個fold的（0開始）索引。第一行包含第一個fold、第二行、第二個fols索引等等等。

感謝Martin Tutek為加載/查看STL-10提供代碼！鏈接:https://github.com/mttk/STL10
stl10在pytorch 中對應的數據載入接口：torchvision.datasets.STL10(root: str, split: str = ‘train’, folds: Optional[int] = None, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, download: bool = False)

4.Imagenet

網址:http://www.image-net.org/download.php
ImageNet是一個根據WordNet層次結構（目前只有名詞）組織的圖像數據庫，其中每個節點都由成百上千的圖像描述。目前平均每個節點有500多個圖像。
1500萬張,數據大小1TB,但是算力不夠的情況下只會用到其中的一些子集.

光imaget 2012 就是150G(下不動,下不動)

pytorch 提供的數據接口針對:ImageNet 2012 Classification Dataset.

要注冊,才能下載圖像,知乎操作:https://zhuanlan.zhihu.com/p/42696535

5.L-Sun

官網:https://www.yf.io/p/lsun-介紹l-sun 文章,比賽,數據集,有鏈接直轉到數據下載github倉庫
github:https://github.com/fyu/lsun

l-sun 是一個場景數據庫,包括10個場景.場景和對應的序號為:

bedroom 0 # --40G
bridge 1
church_outdoor 2
classroom 3
conference_room 4
dining_room 5
kitchen 6
living_room 7
restaurant 8
tower 9 #train+test --13.9G

tower-train-Minibatch_size為64,有11067個batch,約合70w張圖片)

6.caltech-101

官網:http://www.vision.caltech.edu/Image_Datasets/Caltech101/
加利福尼亞理工學院101類圖像數據庫,有101類物體的圖片。每個類別大約有40到800個圖像。大多數類別都有大約50張圖片。2003年9月由李飛飛、安德烈托和蘭扎托收藏。每個圖像的大小大約為300 x 200像素。(9144張,平均每個類別90張)
制作者們仔細點擊了這些圖片中每個對象的輪廓，輪廓信息包含在“Annotations.tar”下面,有一個matlab腳本可以查看注釋,
“show_annotations.m”。

caltech-256,30607張圖片,1.2G(平均每個類別119張.)

101 object， 256 object 都是folder 數據集合，使用pytorch dset.ImageFolder接口即可.