dataset

解锁 LLM 的力量：探索这些数据集来训练你自己的 ChatGPT！

一个 Clojure 高性能数据处理系统。

🌮 情境中的垃圾标注数据集工具包

70万条对联数据库。

用于行人搜索的联合检测与识别特征学习

适用于 Delphi 与 Lazarus (FPC) 的 JSON 转 DataSet 及 DataSet 转 JSON 转换器

由 TensorFlow SIG-IO 维护的 Dataset、流与文件系统扩展功能

Thorsten-Voice：一个免费、离线运行、高质量的德语 TTS 语音，适用于任何项目，免受版权困扰。

在 PyTorch 中简单实现 OpenAI CLIP 模型

用于浏览器 AI 代理日常任务的开源基准测试

[CVPR 2024] MovieChat：用于长视频理解的从密集 Token 到稀疏内存架构

UCAS-VG 基于点的微小物体检测与定位代码集

评测大型语言模型中的长文本事实准确性。我们论文“Long-form factuality in large language models”的原始代码。

数据集管理框架，是用来构建、分析与管理 Computer Vision 数据集的 Python 程式库与 CLI 工具。

HISTDATA - 包含所有外汇交易对、原油与股市指数的数据集。提供简单的 API 来获取 1 分钟数据（以及 Tick 数据）历史外汇价格（实时更新）。

[ECCV'20] Structured3D：用于结构化 3D 建模的大型真实感数据集

ACM Multimedia2020 University-1652：一个基于无人机的地理定位多视角多源基准测试 :helicopter: 标注了全球 72 所大学中的 1652 栋建筑。

一个免费的语音数字音频数据集。MNIST 的音频版本。

从视频网址轻松建立大型视频数据集

使用 git 与 git-annex 来掌控代码、数据与容器

Awesome-LLM-Eval：精选的工具、数据集/基准测试、演示、排行榜、论文、文档与模型列表，主要用于 LLM 评估。一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表，主要面向基础大模型评测，旨在探求生成式AI的技术边界。

我为网络科学与机器学习研究而收集的一些非常酷的数据集仓库。

数据科学项目的完整生命周期

用于开发与验证融合姿态估测器及地图算法的驾驶数据集

ConvoKit 是一个用于提取对话特征并分析对话中社会现象的工具包。内含多个大型对话数据集，以及示范如何在这些数据集上使用工具包的脚本。

Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.

NAS-Bench-201 API 与说明

Ego4d 数据集仓库。下载数据集、可视化、提取特征与数据集示例用法

Exclusively Dark (ExDARK) 数据集，就我们所知，这是迄今为止最大的低光源图像集合，拍摄环境从极低光源到黄昏（即 10 种不同条件），并附带图像类别与对象层级标注。

一些分割与显著性检测的数据集集合。欢迎 PR...:smile: