2012 年 AlexNet 在 ImageNet 竞赛上把分类错误率一下子拉低十几个百分点，这波深度学习浪潮就是从这里烧起来的。做视觉绕不开 imagenet数据集，先把规模和获取方式说清楚。

规模与常用子集

完整版超过 1400 万张图片、两万多个类别，由斯坦福团队从 2009 年起构建，标注靠众包完成。平时训练和论文里说的多半是 ILSVRC 子集：1000 类、约 120 万张训练图、5 万张验证图，习惯叫 ImageNet-1k；更大的 21k 版本常用来做预训练。1000 类里既有金毛、吉娃娃这种细粒度犬种，也有锚、书包这类日常物体，类别跨度很大。

获取的三条路

  • 官方下载：用教育或研究邮箱注册账号，签一份非商业研究使用协议，审核通过后才能拿到下载权限
  • 用预训练模型顶替：torchvision 的 models 模块直接加载在它上面预训练好的权重，首次运行会自动下载，网络不通就手动下好放进缓存目录，常规分类任务不必下全集
  • 自建数据集：按类别建文件夹再统一读入，目录组织方式就是仿照它的习惯

使用限制要记牢：学术研究一般没问题，商用要先谈授权；把数据集重新打包传到网盘属于违约，链接和账号都可能被封。

两个常被问到的细节：一是评价口径，top-1 是猜的第一个就对，top-5 是前五个里包含正确答案就算对，早年论文爱报 top-5；二是类别不均衡，每个类的图片数量差异不小，自己抽子集做实验时，分布和官方评测不一样，精度别直接硬比。

它的角色变化

早年它既办分类也办检测和场景解析比赛，后来检测评测逐步转向 COCO。今天它更多是预训练数据源和分类基线：新模型跑一遍 top-1 精度对比，仍是行业习惯动作。

给新手的实际建议：别一上来就下全集，光 1k 训练包就有一百多 GB，21k 更是上 TB 量级，下载慢还难管理。先用预训练权重跑通一个分类小项目，确认流程没问题，再考虑要不要完整数据。