推荐 6 个高质量数据集（覆盖 4 个方向），按‘名称-规模-获取链接-加载代码’整理，要求引用数≥50”

以下是按您要求涵盖不同领域的6个高质量数据集，每个数据集的引用数都大于50，并提供了获取链接以及加载代码的示例：

1. 数据集名称：MNIST手写数字识别数据集

   • 规模：包含70000张灰度图片（60000训练集+10000测试集）
   • 获取链接：MNIST Data
   • 加载代码：

     import tensorflow as tf
     mnist = tf.keras.datasets.mnist
     (x_train, y_train), (x_test, y_test) = mnist.load_data()

2. 数据集名称：IMDB电影评论情感分析数据集

   • 规模：50000个电影评论（25000积极的和25000消极的评论）
   • 获取链接：IMDB Dataset
   • 加载代码：

     from tensorflow.keras.datasets import imdb
     vocab_size = 10000
     (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=vocab_size)

3. 数据集名称：UCI机器学习库-成人收入数据集

   • 规模：约50,000条记录，包含14个属性
   • 获取链接：UCI Machine Learning Repository
   • 加载代码：

     import pandas as pd
     data_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data'
     income_df = pd.read_csv(data_url, header=None, sep=',\s', na_values=["?"], engine='python')

4. 数据集名称：CIFAR-10图像识别数据集

   • 规模：60000张32x32彩色图像，分为10个类别
   • 获取链接：CIFAR-10 and CIFAR-100 datasets
   • 加载代码：

     import torchvision
     dataset = torchvision.datasets.CIFAR10(root='./data', download=True)
     data_loader = torch.utils.data.DataLoader(dataset, batch_size=4, shuffle=True)

5. 数据集名称：Google Speech Commands语音命令数据集

   • 规模：超过100k个wave音频文件，涵盖30种不同的语音命令

   • 获取链接：Speech Commands

   • 加载代码：

     # 由于涉及音频文件，这是一个加载音频数据集的一般性的伪代码例子
     import os
     import librosa
     
     def load_audio_files(audio_dir):
         audio_files = os.listdir(audio_dir)
         data = []
         for file in audio_files:
             path = os.path.join(audio_dir, file)
             audio, sr = librosa.load(path)
             data.append((audio, sr))
         return data

6. 数据集名称：COCO图像识别数据集

   • 规模：330,000张图像，其中2014年有82个对象类别，2017年为91个
   • 获取链接：COCO Dataset
   • 加载代码：

     import pycocotools.coco as coco
     from pycocotools.cocoeval import COCOeval
     annoFile = '/path/to/instances_val2017.json'
     coco = coco.COCO(annoFile)
     imgIds = coco.getImgIds()
     for id in imgIds[:5]: # 只处理前5张图片
         img = coco.loadImgs(id)[0]

这些数据集覆盖了图像识别、自然语言处理及计算机视觉等多个方向，且因为被广泛使用，所以引用数都非常高。在使用任何数据集之前，请确保遵循其相应的许可协议。