Meta-Dataset est un benchmark d'apprentissage à grande échelle et à faible coût. Cet ensemble de données ne limite pas les tâches à petits échantillons (il ne nécessite pas de méthodes ni d'objectifs fixes) et représente donc un scénario plus réaliste.

L'ensemble de données se compose de 10 ensembles de données provenant de différents domaines :

1. ILSVRC-2012 (ensemble de données ImageNet, composé d'images naturelles de 1 000 catégories.)
2. Omniglot (caractères manuscrits, comprenant 1 623 catégories)
3. Avion (ensemble de données d'images d'avions, contenant 100 catégories)
4. CUB-200-2011 (ensemble de données sur les oiseaux, contenant 200 catégories)
5. Textures descriptibles (différents types d'images de texture, dont 43 catégories)
6. Dessin rapide (345 croquis en noir et blanc dans différentes catégories)
7. Fungi (un grand ensemble de données sur les champignons avec 1 500 classes)
8. VGG Flower (un ensemble de données de 102 images de fleurs),
9. Panneaux de signalisation (images de panneaux de signalisation allemands, comprenant 43 catégories)
10. MSCOCO (photos collectées sur Flickr, dont 80 catégories)

Les ensembles de données Traffic Sign (GTSRB) et COCO dans Meta-Dataset ne participent pas à la formation et ne sont utilisés qu'à des fins de vérification ou de test. Les 8 ensembles de données restants sont divisés en ensembles d'entraînement/validation/test dans un rapport approximatif de 70%/15%/15%.