MNIST：手写数字图像。最常用的可用性检查。格式 25x25、居中、黑白手写数字。这是一项简单的任务——仅某部分适用于 MNIST，不意味着它有效
CIFAR10 / CIFAR100：32x32 彩色图像，10/100 类。虽然仍有趣却不再常用的可用性检查
~kriz/cifar.htm
Caltech 101：101 类物体的图片
Caltech 256：256 类物体的图片
STL-10 数据集：用于开发无监督特征学习、深度学习、自学习算法的图像识别数据集。像修改过的 CIFAR-10
~acoates/stl10
The Street View House Numbers (SVHN)：Google 街景中的门牌号码。可以把它想象成复现的户外 MNIST
NORB：玩具摆件在各种照明和姿势下的双目图像
~ylclab/data/norb-v1.0
Pascal VOC：通用图像分割 / 分类——对于构建真实世界图像注释不是非常有用，但对基线很有用
Labelme：带注释图像的大型数据集
ImageNet：新算法的客观图像数据集（de-facto image dataset）。许多图像 API 公司都有来自其 REST 接口的标签，这些标签近 1000 类;WordNet; ImageNet 的层次结构
LSUN：具有很多辅助任务的场景理解（房间布局估计，显著性预测（saliency * prediction）等），有关联竞赛。（associated competition）
地址：
MS COCO：通用图像理解 / 说明，有关联竞赛
COIL 20：不同物体在 360 度旋转中以每个角度成像
地址：
COIL100：不同物体在 360 度旋转中以每个角度成像
Google 开源图像：有 900 万张图像的网址集合，这些图像通过知识共享（Creative Commons）被标注成 6000 多个类别
https://research.googleblog.com/2016/09/introducing-open-images-dataset.htm
情感分析模型需要庞大的专业数据集才能有效学习，以下所列数据集提供了用于情感分析的一些数据。
亚马逊商品评价数据集
Multidomain sentiment analysis dataset: ~mdredze/datasets/sentiment/
二元情感分类数据集，包含25000条电影评论
IMDB Reviews: ~amaas/data/sentiment/
带有情绪注释的标准情绪数据集
Stanford Sentiment Treebank: https://nlp.stanford.edu/sentiment/code.html
2015年2月美国航空公司推特数据，分为正面、负面和中性推特
Twitter US Airline Sentiment: https://www.kaggle.com/crowdflower/twitter-airline-sentiment
跨域(Amazon商品评论)情感数据集
~mdredze/datasets/sentiment/
OpenStreetMap：免费提供整个星球的矢量数据。它包含（旧版）美国人口普查局的数据
Landsat8：整个地球表面的卫星视角图，每隔几周更新一次
https://landsat.usgs.gov/landsat-
NEXRAD：美国大气层的多普勒雷达扫描图
https://www.ncdc.noaa.gov/data-access/radar-data/nexrad
Arcade Universe：一个人工数据集生成器，图像包含街机游戏 sprite，如 tetris pentomino / tetromino。该生成器基于 O. Breleux 的 bugland 数据集生成器
https://github.com/caglar/Arcade-Univers
以 Baby AI School 为灵感的数据集集合
~lisa/twiki/bin/view.cgi/Public/BabyAISchoo
Baby AI Shapes Dataset：区分 3 种简单形状
~lisa/twiki/bin/view.cgi/Public/BabyAIShapesDataset
Baby AI Image And Question Dataset：一个问题 - 图像 - 答案数据集
~lisa/twiki/bin/view.cgi/Public/BabyAIImageAndQuestionDataset
Deep Vs Shallow Comparison ICML2007：为实证评估深层架构而生成的数据集
~lisa/twiki/bin/view.cgi/Public/DeepVsShallowComparisonICML200
MnistVariations：在 MNIST 中引入受控变化
~lisa/twiki/bin/view.cgi/Public/MnistVariation
RectanglesData：区分宽矩形和垂直矩形
~lisa/twiki/bin/view.cgi/Public/RectanglesDat
ConvexNonConvex：区分凸形和非凸形状
~lisa/twiki/bin/view.cgi/Public/ConvexNonConve
BackgroundCorrelation：嘈杂 MNIST 背景下相关度的控
~lisa/twiki/bin/view.cgi/Public/BackgroundCorrelation
Labelled Faces in the Wild：13000 个经过裁剪的人脸区域（使用已经用名称标识符标记过的 Viola-Jones）。数据集中每个人员的子集里包含两个图像——人们常用此数据集训练面部匹配系统
UMD Faces：有 8501 个主题的 367，920 个面孔的带注释数据集
CASIA WebFace：超过 10，575 个人经面部检测的 453，453 张图像的面部数据集。需要一些质量过滤
MS-Celeb-1M：100 万张全世界的名人图片。需要一些过滤才能在深层网络上获得最佳结果
https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing-one-million-celebrities-real-world
Olivetti：一些人类的不同图像
~roweis/data.htm
Multi-Pie：The CMU Multi-PIE Face 数据库
Face-in-Action：
JACFEE：日本和白种人面部情绪表达的图像
FERET：面部识别技术数据库
mmifacedb：MMI 面部表情数据库
IndianFaceDatabase：~vidit/IndianFaceDatabase
耶鲁人脸数据库：
Mut1ny 头部 / 面部分割数据集：像素超过 16K 的面部 / 头部分割图
自然语言处理是一个广泛的研究领域，以下包括用于不同自然语言处理任务（例如语音识别和聊天机器人）的广泛数据集。
来自Enron公司高级管理人员的邮件数据
Enron Dataset: https://www.cs.cmu.edu/~./enron/
包含来自亚马逊18年来的3500万条评论。数据包括产品和用户信息，评级以及明文评论。
Amazon Reviews: https://snap.stanford.edu/data/web-Amazon.html
Google图书中的单词数据集
Google Books Ngrams: https://aws.amazon.com/cn/datasets/google-books-ngrams/
从blogger.com收集的681,288个博客帖子集合。每个博客至少包含200个常用英语单词
Blogger Corpus: ~koppel/BlogCorpus.htm