海量數據（又稱大數據）已經成為各大互聯網企業面臨的最大問題，如何處理海量數據，提供更好的解決方案，是目前相當熱門的一個話題。類似MapReduce、 Hadoop等架構的普遍推廣，大家都在構建自己的大數據處理，大數據分析平臺。

相應之下，目前對于海量數據處理人才的需求也在不斷增多，此類人才可謂炙手可熱！越來越多的開發者把目光轉移到海量數據的處理上。但是不是所有人都能真正接觸到，或者有機會去處理海量數據的，所以就需要一些公開的海量數據集來研究。

在Quora上有人就問到，如何獲取海量數據集。此問題得到了很多人的關注。具體可以看看回答，數據集的種類多種多樣，有化學分析，基因遺傳等等，從中你肯定能得到自己想要個數據集。
Where can I get large datasets open to the public?

*先來個不能錯過的數據集網站（深度學習者的福音）：*
http://deeplearning.net/datasets/**

首先說說幾個收集數據集的網站：
1、Public Data Sets on Amazon Web Services (AWS)
http://aws.amazon.com/datasets
Amazon從2008年開始就為開發者提供幾十TB的開發數據。

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

再就是說說幾個跟互聯網有關的數據集：
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
這個是1998年世界杯期間的數據集。從1998/04/26 到 1998/07/26 的92天中，發生了 1,352,804,107次請求。

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

海量圖像數據集：
1、ImageNet
http://www.image-net.org/
包含1400萬的圖像。

2、Tiny Images Dataset
http://horatio.cs.nyu.edu/mit/tiny/data/index.html
包含8000萬的32x32圖像。

3、 MirFlickr1M
http://press.liacs.nl/mirflickr/
Flickr中的100萬的圖像集。

4、 CoPhIR
http://cophir.isti.cnr.it/whatis.html
Flickr中的1億600萬的圖像

5、SBU captioned photo dataset
http://dsl1.cewit.stonybrook.edu/~vicente/sbucaptions/
Flickr中的100萬的圖像集。

6、Large-Scale Image Annotation using Visual Synset(ICCV 2011)
http://cpl.cc.gatech.edu/projects/VisualSynset/
包含2億圖像

7、NUS-WIDE
http://lms.comp.nus.edu.sg/research/NUS-WIDE.htm
Flickr中的27萬的圖像集。

8、SUN dataset
http://people.csail.mit.edu/jxiao/SUN/
包含13萬的圖像

9、MSRA-MM
http://research.microsoft.com/en-us/projects/msrammdata/
包含100萬的圖像，23000視頻

10、TRECVID
http://trecvid.nist.gov/

截止目前好像還沒有國內的企業或者組織開放自己的數據集。希望也能有企業開發自己的數據集給研究人員使用，從而推動海量數據處理在國內的發展！

2014/07/07 雅虎發布超大Flickr數據集 1億的圖片+視頻
http://yahoolabs.tumblr.com/post/89783581601/one-hundred-million-creative-commons-flickr-images-for

100多個有趣的數據集
http://www.csdn.net/article/2014-06-06/2820111-100-Interesting-Data-Sets-for-Statistics

總結

以上是生活随笔為你收集整理的深度学习数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。