<正>數(shù)據(jù)集對(duì)于深度學(xué)習(xí)模型的重要性不言而喻。然而根據(jù)性質(zhì)、類型、領(lǐng)域的不同,數(shù)據(jù)集往往散落在不同的資源平臺(tái)里。fast.ai通過與亞馬遜AWS合作,將最重要的數(shù)據(jù)集集中整理在一處,數(shù)據(jù)集自身采用標(biāo)準(zhǔn)格式,同時(shí)采用快速、可靠的存儲(chǔ)服務(wù)器進(jìn)行存儲(chǔ)。fast.ai整理的人工智能研究領(lǐng)域數(shù)據(jù)集共包含三類:圖像分類領(lǐng)域、自然語(yǔ)言處理領(lǐng)域,以及目標(biāo)檢測(cè)定位,給出了每一類數(shù)據(jù)集的介紹、引文,以及下載地址:https://course.fast.ai/datasets.html。（1）圖像分類領(lǐng)域（1）MNIST:小型（28x28像素）灰度手寫數(shù)字?jǐn)?shù)據(jù)集。 

【文章來源】：數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018,2(12)北大核心CSSCI

【文章頁(yè)數(shù)】：1 頁(yè)


本文編號(hào)：2992926