该指南包含非常全面的图像，视频，音频和文本。由Google Brain的研究人员创建的最大的机器学习TensorFlow数据集TensorFlow是机器学习和数据科学领域最大的开源数据库之一。这是一个适合初学者和经验丰富的数据科学家的端到端平台。 TensorFlow库包括工具，预训练的模型，机器学习指南以及开放数据集。为了帮助您找到所需的训练数据，本文将简要介绍一些用于机器学习的最大TensorFlow数据集。我们将下面的列表分为图像，视频，音频和文本数据集。图像数据集1，CelebA：名人脸属性数据集（CelebA）是最大的公共脸部图像数据集之一，其中包含超过200,000名名人的图像。每个图像包含5个面部特征点和40个二进制属性注释。 2.下采样Imagenet：此数据集用于密度估计和生成建模任务。它包含超过130万个物体，场景，车辆，人等的图像。这些图像具有两种分辨率：32 x 32和64 x64。3. Lsun＆amp; ndash; Lsun是用于帮助训练模型了解场景的大型图像数据集。数据集包含超过900万张图像，这些图像分为场景类别，例如卧室，教室和饭店。 4. Bigearthnet＆amp; ndash; Bigearthnet是另一个大型数据集，其中包含来自Sentinel-2卫星的航拍图像。每个图像覆盖1.2 km x 1.2 km的地面。每个图像包括43个不平衡的标签。 5. Places 365＆amp; ndash;顾名思义，Places 365包含超过180万张不同位置或场景的图片。这些包括办公室，码头和小木屋。 Places 365是用于场景识别任务的最大数据集之一。 6. Quickdraw位图＆amp; ndash; Quickdraw数据集是Quickdraw播放器社区绘制的图像的集合。它包含345个类别中的500万幅画作。此版本的Quickdraw数据集包含28 x 28灰度格式的图像。 7. SVHN裁剪＆amp; ndash;斯坦福大学的街景门牌号码（SVHN）是一个TensorFlow数据集，用于训练数字识别算法。它包含600,000个真实世界的图像数据样本，这些样本被裁剪为32 x 32像素。 8. VGGFace2＆amp; ndash; VGGFace2是最大的面部图像数据集之一，其中包含从Google搜索引擎下载的图像。这些面孔因年龄，姿势和种族而异。每个对象平均有362张图像。 9. COCO＆amp; ndash;由Google，FAIR，Caltech和更多合作者生产的COCO是世界上最大的带标签图像数据集之一。它用于对象检测，分割和图像描述任务。 Coco TensorFlow数据集包含330,000张图像，其中200,000张已注释。这些图像中有80万个类别中的150万个对象实例。 10. Open Images Challenge 2019＆amp; ndash;包含大约900万张图像。该数据集是在线上最大的带注释的图像数据集。包含图像级标签，对象边界和对象分割蒙版以及视觉关系。 11.打开图片V4＆amp; ndash;该数据集是上述开放图像数据集的另一个迭代。 V4有600种不同的对象类，包含1460万帧。边界框是由人工注释者手动绘制的。 12. AFLW2K3D＆amp; ndash;该数据集包含2000个面部图像，所有图像均标记有3D面部特征点。它用于评估3D人脸特征点检测模型。视频数据集13，UCF101和来自中央佛罗里达大学的UCF101是用于训练动作识别模型的视频数据集。该数据集包含13320个视频，涵盖101个动作类别。 14. BAIR机器人推入＆amp; ndash;伯克利人工智能研究中心的BAIR机器人推动技术包含44,000个机器人推动运动的示例视频。 15.移动MNIST＆amp; ndash;该数据集是MNIST基准数据集的变体。移动MNIST包含10,000个视频。 16. EMNIST＆amp; ndash;扩展的MNIST包含从原始MNIST数据集转换为28 x 28像素格式的数字。音频数据集17，CREMA-D＆amp; ndash； CREMA-D是为情感识别任务创建的，包括语音情感表达。该数据集包含7,442个音频片段，由不同年龄，种族和性别的91位演员配音。 18. Librispeech＆amp; ndash; Librispeech是一个简单的音频数据集，包含1000个小时的英语语音，来自LibriVox项目的有声读物。它用于训练声学模型和语言模型。 19. Libritts＆amp; ndash;该数据集包含大约585小时的英语演讲，这些演讲是在Google Brain团队成员的协助下进行的。 Libritts最初是为文本语音转换（TTS）研究而设计的