该数据集是基于单词的英语曲线文本数据集。 该数据集由1555张图像组成，其中包含3种以上不同的文本方向：水平，多方向和弯曲（一种）。其中训练集包含1225张图片，测试集包含300张图片。 数据集来源于https://www.kaggle.com/ipythonx/totaltextstr

这是世界各地自然风光的图像数据。 此数据包含大约25,000张大小为150x150的图像，分为6个类别。 {'建筑物'-> 0， '森林'-> 1， '冰川'-> 2， '山'-> 3， '海'-> 4， '街道'-> 5} 三个zip文件分别为训练，测试和预测数据，训练集中大约有14000张图像，测试集中有3000张图像，预测集中有7000张图像。 数据集来自https://www.kaggle.com/puneet6060/intel-image-classification

该数据集包含“剪刀石头布”游戏中的手势图像。 数据集总共包含2188张图像，分别对应“石头”（726张图像），“布”（710张图像）和“剪刀”（752张图像），所有图像均在具有相对一致的灰度和白平衡的绿色背景上拍摄。 格式：所有图像均为.png格式的RGB图像，宽300像素，高200像素。图像根据各自的类别分为三个子文件夹，分别称为“Rock”，“Paper”和“Scissors”。 数据集来源 https://www.kaggle.com/drgfreeman/rockpaperscissors

该数据集并非来自MNIST数据集。 由28×28大小、PNG格式的20250位数字图片的组成，图片以0-20249命名，正确的数字分类显示在文件名之前，并用''分隔。 例 0 \ 0.png （0数据集的第一个图像） 1 \ 2025.png （1数据集的第一个图像）

使用C语言重构了ANN网络推导的过程。 数据处理部分(Data.h&Data.c)： 文件定义了三个函数，分别是求均值、求标准差和数据处理。 网络部分(Net.h&Net.c): Net.h中主要是网络参数和测试数据，目前测试只能以数组形式先定义在头文件里，后续再进行优化 Net.c中是模型重构的实现，由于最终模型还没有确定下来，目前是用的2场景分类进行了测试。 矩阵部分（Matrix.h&Matrix.c）：定义了一些矩阵的运算，具体如下： initialize()：用于初始化矩阵的地址 multiply()：矩阵乘法运算函数，使用前需要先申请存储结果的内存 add()：矩阵加法运算函数，使用前需要先申请存储结果的内存 show()：在控制台上显示矩阵 sigmoid()：sigmoid激活函数，该函数只能运算一维向量 relu()：relu激活函数，该函数只能运算一维向量 maxIndex()：查找最大值并返回其次序（下标+1），该函数只能运算一维向量 addDim()：将一维向量长度扩展一位，最后一位置1，该函数只能运算一维向量具体使用可以