MNIST：手写数字识别的”启蒙老师”
数据规模：6万张训练集+1万张测试集（28×28灰度图）
核心价值：作为深度学习入门的”Hello World”，MNIST以简单的分类任务（10类数字）帮助初学者理解卷积神经网络（CNN）的基本原理。其低维度、低噪声的特点使其成为调试网络结构的理想选择。
使用建议：
from tensorflow.keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.astype('float32') / 255.0
典型任务：测试模型初始化效果、比较不同优化器的收敛速度
进阶方向：尝试数据增强（旋转、平移）观察模型鲁棒性变化
2. CIFAR-10/CIFAR-100：小样本下的复杂分类… See the full description on the dataset page:
https://huggingface.co/datasets/jeffbrian/aws_dataset.
