附录

推荐数据集与资源

1. 计算机视觉数据集

  • MNIST: 手写数字识别基准数据集（http://yann.lecun.com/exdb/mnist/）
  • CIFAR-10/100: 10类和100类物体分类数据集（https://www.cs.toronto.edu/~kriz/cifar.html）
  • ImageNet: 大规模图像分类数据集（1400万标注图像）（http://www.image-net.org/）
  • COCO: 通用物体检测与分割数据集（https://cocodataset.org/）
  • Open Images: 包含900万张图像的多标签数据集（https://storage.googleapis.com/openimages/web/index.html）

2. 自然语言处理数据集

  • GLUE Benchmark: 多任务NLP评估基准（https://gluebenchmark.com/）
  • SQuAD: 机器阅读理解数据集（https://rajpurkar.github.io/SQuAD-explorer/）
  • WikiText: 高质量维基百科文本语料（https://blog.salesforceairesearch.com/the-wikitext-long-term-dependency-language-modeling-dataset/）
  • Common Crawl: 大规模网页文本数据（https://commoncrawl.org/）

3. 音频与多模态数据集

  • LibriSpeech: 1000小时英文语音数据集（http://www.openslr.org/12/）
  • AudioSet: 200万段音频事件标注数据（https://research.google.com/audioset/）
  • HowTo100M: 1.36亿视频-文本对数据集（https://www.di.ens.fr/willow/research/howto100m/）

4. 强化学习环境

  • OpenAI Gym: 经典RL算法测试平台（https://gym.openai.com/）
  • DeepMind Control Suite: 连续控制基准环境（https://github.com/deepmind/dm_control）
  • StarCraft II Learning Environment: 复杂策略游戏环境（https://github.com/deepmind/pysc2）

5. 开源学习资源

  • Fast.ai: 实战导向的深度学习课程（https://course.fast.ai/）
  • Dive into Deep Learning: 交互式教材（PyTorch/MXNet/TensorFlow版）（http://d2l.ai/）
  • Distill.pub: 机器学习可视化研究期刊（https://distill.pub/）
  • Papers With Code: 论文与实现代码索引（https://paperswithcode.com/）

6. 计算资源平台

  • Google Colab: 免费GPU/TPU云笔记本（https://colab.research.google.com/）
  • Kaggle Kernels: 数据科学协作平台（https://www.kaggle.com/kernels）
  • AWS Educate: 教育者云计算资源（https://aws.amazon.com/education/awseducate/）

7. 模型仓库与工具

  • Hugging Face Hub: 预训练NLP模型库（https://huggingface.co/models）
  • TensorFlow Hub: 可复用模型组件（https://tfhub.dev/）
  • ONNX Model Zoo: 跨框架模型集合（https://github.com/onnx/models）

提示：使用数据集时需注意许可协议，学术用途通常需引用原始论文。建议从官方渠道下载数据以确保完整性。


该附录采用分层结构组织资源，包含：
1. 按模态分类的主流数据集
2. 开发工具链关键节点
3. 标注了权威数据源的官方链接
4. 特别标注了适合教育用途的免费资源
可根据读者群体需求补充：
- 领域特定数据集（如医疗、遥感等）
- 数据清洗工具推荐
- 数据标注平台对比
Last Updated::