dataset

Desbloqueie o poder do LLM: Explore estes datasets para treinar seu próprio ChatGPT!

Um sistema de processamento de dados de alto desempenho em Clojure

🌮 Kit de ferramentas do conjunto de dados de anotações de lixo em contexto

Dataset de dísticos. Base de dados de 700 mil dísticos.

Aprendizado conjunto de detecção e identificação de características para busca de pessoas.

Conversor de JSON para DataSet e de DataSet para JSON para Delphi e Lazarus (FPC)

Extensões de dataset, streaming e sistema de arquivos mantidas pelo TensorFlow SIG-IO

Thorsten-Voice: Uma voz TTS em alemão de alta qualidade, gratuita e offline, disponível para qualquer projeto sem complicações de licença.

Implementação simples do modelo OpenAI CLIP em PyTorch.

[CVPR 2024] MovieChat: From Dense Token to Sparse Memory for Long Video Understanding

Conjunto de código de detecção e localização de objetos pequenos e baseados em pontos da UCAS-VG

Benchmarking de factualidade de formato longo em grandes modelos de linguagem. Código original para nosso artigo "Long-form factuality in large language models".

Framework de gerenciamento de datasets, uma biblioteca Python e ferramenta de CLI para construir, analisar e gerenciar datasets de Computer Vision

[ECCV'20] Structured3D: Um grande conjunto de dados foto-realista para modelagem 3D estruturada

HISTDATA - Conjunto de dados composto por todos os pares de negociação de FX, petróleo bruto e índices de ações. API simples para recuperar dados históricos de preços de FX (até 1 minuto e dados de tick).

Um conjunto de dados de áudio gratuito de dígitos falados. Uma versão em áudio do MNIST.

ACM Multimedia2020 University-1652: Um benchmark multi-visão e multi-fonte para geolocalização baseada em drones :helicopter: que rotula 1652 edifícios em 72 universidades ao redor do mundo.

Benchmark de código aberto para agentes de IA de navegador em tarefas diárias.

Crie facilmente grandes conjuntos de dados de vídeo a partir de URLs de vídeo

Mantenha código, dados e containers sob controle com git e git-annex

Awesome-LLM-Eval: uma lista com curadoria de ferramentas, conjuntos de dados/benchmarks, demonstrações, placares, artigos, documentos e modelos, focada principalmente na avaliação de LLMs.

Um repositório de conjuntos de dados bem legais que coletei para pesquisas em ciência de redes e aprendizado de máquina.

Ciclo de vida completo de um projeto de ciência de dados

Um conjunto de dados de direção para o desenvolvimento e validação de estimadores de pose fundidos e algoritmos de mapeamento

ConvoKit é um kit de ferramentas para extrair recursos conversacionais e analisar fenômenos sociais em conversas. Ele inclui vários grandes conjuntos de dados conversacionais junto com scripts que exemplificam o uso do kit de ferramentas nesses conjuntos de dados.

API e instruções do NAS-Bench-201

Repositório do dataset Ego4d. Baixe o dataset, visualize, extraia recursos e veja exemplos de uso.

Dataset Exclusively Dark (ExDARK), que, até onde sabemos, é a maior coleção de imagens em condições de pouca luz tiradas em ambientes muito escuros até o crepúsculo (ou seja, 10 condições diferentes) até o momento, com anotações em nível de classe de imagem e de objeto.

Uma coleção de datasets para segmentação / detecção de saliência. Pull requests são bem-vindos.

[ICML 2024] TrustLLM: Confiabilidade em Modelos de Linguagem Grandes