dataset

免費 API 的彙總清單

Label Studio 是一款多類型資料標註與註解工具，具標準化輸出格式

1,324 练习健身数据集 — 动画 GIF、180×180 缩略图、肌肉群与设备数据，以及 6 种语言的逐步说明。LogPress 应用背后的练习数据层

Faker 是一個用於產生假資料的 Python 套件

Computer Vision Annotation Tool（CVAT）是建構高品質視覺資料集的領先平台，支援影像、影片與 3D 標註，提供開源、雲端與企業版產品，以及標註服務，具備 AI 輔助標註、品質保證、團隊協作、分析與開發者 API。

pix2tex：使用 ViT 將方程式圖片轉換為 LaTeX 代碼

用於建立 LLM 微調、RAG 與評估資料集的強大工具

開源的機器學習標註工具

衛星與航拍影像深度學習技術

大規模中文自然語言處理語料庫 Large Scale Chinese Corpus for NLP

MDN 所展示的 Web 技術瀏覽器相容性資料

Awesome Pretrained Chinese NLP Models，高品質中文預訓練模型、 大模型、多模態模型與大語言模型集合。

經過篩選的後訓練資料集與工具清單

esProc SPL 是一種基於 JVM 的程式語言，設計用於結構化資料計算，兼具資料分析工具與嵌入式計算引擎功能。

Transformer：PyTorch 實作「Attention Is All You Need」

TFDS 是一套可直接使用於 TensorFlow、Jax 等的資料集集合

輕鬆將大量圖片網址轉為圖片資料集。可下載、調整尺寸並打包 100M 網址，單機 20 小時完成

中文人名語料庫。人名生成器。中文姓名、姓氏、名字、稱呼、日本人名、翻譯人名、英文人名。可用於中文分詞、人名實體識別

SQL Translator 是一個使用人工智慧將自然語言查詢轉換為 SQL 代碼的工具。此專案 100% 免費且開源

中文語言理解測評基準 Chinese Language Understanding Evaluation Benchmark：資料集、基線、預訓練模型、語料庫與排行榜

CSGHub 是一個全新的開源平台，用於管理 LLM，開發者為 OpenCSG 團隊。它提供開源與本地/ SaaS 解決方案，功能可與 Hugging Face 相比。完全掌控 LLM、資料集與代理的生命周期，Python SDK 兼容 Hugging Face。加入我們！⭐️

📈 目前最大的工業缺陷檢測資料庫及論文集，持續整理開源資料集與關鍵論文，對表面缺陷研究極為重要。

工業異常/瑕疵檢測論文與資料集列表（持續更新）

文字辨識合成資料生成器

醫學影像資料集列表 『An Index for Medical Imaging Datasets』

為 C、C++、CUDA、Python、Rust、Swift、JS 和 Go 提供高達 100 倍速的字串處理，利用 NEON、AVX2、AVX-512、SVE、GPGPU 和 SWAR 來加速搜尋、雜湊、排序、編輯距離、sketches 和記憶體操作 🦖

Waymo 開放資料集。

从各种互联网来源提取数据到 pandas DataFrame。

精心挑選的顏色名稱大型列表 🌈

用於機器學習模型與資料管道的開源資料記錄函式庫。📚 提供對資料品質與模型長期效能的可視性。🛡️ 支援保護隱私的資料收集，確保安全與穩健性。📈