mnist手写数字体：http://yann.lecun.com/exdb/mnist/ （28*28*1,60000train，10000test）
cifar-10数据集：http://www.cs.toronto.edu/~kriz/cifar.html （32*32*3，50000train，10000test）
10类物品：飞机，汽车，鸟，猫，鹿，狗，青蛙，马，船，卡车
data_batch1~5是划分好的训练数据，每个文件中包含10000张图像，test_batch测试集数据，10000张图像；
cifar-100数据集：60000张32*32*3，分为20大类，每大类5小类，共100小类，一个小类600张图像，500train，100test
图像数据集：
1. 图像（JPG文件）数据集转化为二进制文件（或者gz文件）操作步骤，其中涉及到numpy,os,Image，尤其numpy和tensorflow的结合使用，制作数据集时源数据是按标签顺序排列的，需要将图像打乱n次，以增强其泛化能力；
2.学习经典的手写数字数据集读取脚本（可以运用在其他数据集读取中），从二进制文件中获取矩阵形式的图片数据以及标签矩阵，通过flat操作将原有的密集的标签向量转化为稀疏的标签矩阵，进行one_hot编码，以增强可读性；注意：在神经网络的数据集读取代码中调用read_data_sets()函数时必须制定参数one_hot=True；
3.dng数据格式（遵循TIFF6.0格式结构，统一不同厂商的raw格式，原始图像，有IFH图像文件头，IFD图像文件目录，DE图像的属性这三部分组成）