深度学习数据集(一)

海量数据(又称大数据)已经成为各大互联网企业面临的最大问题,如何处理海量数据,提供更好的解决方案,是目前相当热门的一个话题。类似MapReduce、 Hadoop等架构的普遍推广,大家都在构建自己的大数据处理,大数据分析平台。

相应之下,目前对于海量数据处理人才的需求也在不断增多,此类人才可谓炙手可热!越来越多的开发者把目光转移到海量数据的处理上。但是不是所有人都能真正接触到,或者有机会去处理海量数据的,所以就需要一些公开的海量数据集来研究。

在Quora上有人就问到,如何获取海量数据集。此问题得到了很多人的关注。具体可以看看回答,数据集的种类多种多样,有化学分析,基因遗传等等,从中你肯定能得到自己想要个数据集。 Where can I get large datasets open to the public?

*先来个不能错过的数据集网站(深度学习者的福音):* http://deeplearning.net/datasets/**

首先说说几个收集数据集的网站: 1、Public Data Sets on Amazon Web Services (AWS) http://aws.amazon.com/datasets Amazon从2008年开始就为开发者提供几十TB的开发数据。

2、Yahoo! Webscope http://webscope.sandbox.yahoo.com/index.php

3、Konect is a collection of network datasets http://konect.uni-koblenz.de/

4、Stanford Large Network Dataset Collection http://snap.stanford.edu/data/index.html

再就是说说几个跟互联网有关的数据集: 1、Dataset for “Statistics and Social Network of YouTube Videos” http://netsg.cs.sfu.ca/youtubedata/

2、1998 World Cup Web Site Access Logs http://ita.ee.lbl.gov/html/contrib/WorldCup.html 这个是1998年世界杯期间的数据集。从1998/04/26 到 1998/07/26 的92天中,发生了 1,352,804,107次请求。

3、Page view statistics for Wikimedia projects http://dammit.lt/wikistats/

4、AOL Search Query Logs - RP http://www.researchpipeline.com/mediawiki/index.php?title=AOL_Search_Query_Logs

5、livedoor gourmet http://blog.livedoor.jp/techblog/archives/65836960.html

海量图像数据集: 1、ImageNet http://www.image-net.org/ 包含1400万的图像。

2、Tiny Images Dataset http://horatio.cs.nyu.edu/mit/tiny/data/index.html 包含8000万的32x32图像。

3、 MirFlickr1M http://press.liacs.nl/mirflickr/ Flickr中的100万的图像集。

4、 CoPhIR http://cophir.isti.cnr.it/whatis.html Flickr中的1亿600万的图像

5、SBU captioned photo dataset http://dsl1.cewit.stonybrook.edu/~vicente/sbucaptions/ Flickr中的100万的图像集。

6、Large-Scale Image Annotation using Visual Synset(ICCV 2011) http://cpl.cc.gatech.edu/projects/VisualSynset/ 包含2亿图像

7、NUS-WIDE http://lms.comp.nus.edu.sg/research/NUS-WIDE.htm Flickr中的27万的图像集。

8、SUN dataset http://people.csail.mit.edu/jxiao/SUN/ 包含13万的图像

9、MSRA-MM http://research.microsoft.com/en-us/projects/msrammdata/ 包含100万的图像,23000视频

10、TRECVID http://trecvid.nist.gov/

截止目前好像还没有国内的企业或者组织开放自己的数据集。希望也能有企业开发自己的数据集给研究人员使用,从而推动海量数据处理在国内的发展!

2014/07/07 雅虎发布超大Flickr数据集 1亿的图片+视频 http://yahoolabs.tumblr.com/post/89783581601/one-hundred-million-creative-commons-flickr-images-for

100多个有趣的数据集 http://www.csdn.net/article/2014-06-06/2820111-100-Interesting-Data-Sets-for-Statistics

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

深度学习动手实践:用 TensorFlow 打造“会看”的机器人

(文/Lukas Biewald)物体识别是当前机器学习最热门的方向。计算机早已能够识别如人脸、猫之类的物体,但识别更大范围里的任意物体对人工智能来说仍是难题。...

4646
来自专栏大数据文摘

DOTA2中打败Dendi的AI如何炼出?OpenAI公布两周集训细节(含实战视频)

1993
来自专栏知晓程序

想和外国人谈笑风生?用这 5 款小程序拿下英语!

1603
来自专栏新智元

AI真的会杀人?DeepMind开发了二维网格游戏来做测试

来源:DeepMind、arXiv、fortune 作者:张乾 【新智元导读】人工智能安全性的话题一直热度不减,马斯克和霍金都公开呼吁过。不过,DeepMind...

28512
来自专栏新智元

FaceApp:基于深度网络为人像照片加笑容,实现年龄、性别变换

【新智元导读】 FaceApp 不仅是一个有趣的应用,它证明了人工智能如何使得处理照片变得前所未有的简单。比如,p上笑容、年龄和性别转换均可以轻松完成。过年拍...

38511
来自专栏Frank的专栏

剖析广州“开四停四”交通限行的实现技术

今天我们就从技术的角度,来剖析一下如何技术上实现“开四停四”的判定执法。

1.8K60
来自专栏人工智能头条

[访谈] Olivier Grisel谈scikit-learn和机器学习技术的未来

1413
来自专栏机器之心

深度学习开发环境调查结果公布,你的配置是这样吗?(附新环境配置)

机器之心整理 参与:李泽南、李亚洲 本周一(6 月 19 日)机器之心发表文章《我的深度学习开发环境详解:TensorFlow + Docker + PyCha...

2925
来自专栏机器之心

开源 | 微软发行 Cognitive Toolkit 2.0 完整版:从性能更新到应用案例

选自Microsoft 作者:John Roach 机器之心编译 参与:黄小天、蒋思源 近日,微软在其官方博客上撰文宣布全面开源 Microsoft Cogn...

3438
来自专栏数据科学与人工智能

【Python环境】Olivier Grisel谈scikit-learn和机器学习技术的未来

几周前,我们的Florian Douetteau (FD)对Olivier Grisel(OG)进行了一次访谈,正好我得到这个机会去旁听。Olivier是sci...

2139

扫码关注云+社区