dataset

解鎖 LLM 的力量：探索這些資料集來訓練你自己的 ChatGPT！

一個 Clojure 高效能資料處理系統。

🌮 情境中的垃圾標註資料集工具組

70萬條對聯資料庫。

用於行人搜尋的聯合檢測與識別特徵學習

適用於 Delphi 與 Lazarus (FPC) 的 JSON 轉 DataSet 及 DataSet 轉 JSON 轉換器

由 TensorFlow SIG-IO 維護的 Dataset、串流與檔案系統擴充功能

Thorsten-Voice：一個免費、離線執行、高品質的德語 TTS 語音，適用於任何專案，免受版權困擾。

在 PyTorch 中簡單實現 OpenAI CLIP 模型

[CVPR 2024] MovieChat：用於長影片理解的從密集 Token 到稀疏記憶體架構

UCAS-VG 基於點的微小物體偵測與定位程式碼集

評測大型語言模型中的長文本事實準確性。我們論文「Long-form factuality in large language models」的原始程式碼。

用於瀏覽器 AI 代理日常任務的開源基準測試

資料集管理框架，是用來建構、分析與管理 Computer Vision 資料集的 Python 程式庫與 CLI 工具。

HISTDATA - 包含所有外匯交易對、原油與股市指數的資料集。提供簡單的 API 來擷取 1 分鐘資料（以及 Tick 資料）歷史外匯價格（即時更新）。

[ECCV'20] Structured3D：用於結構化 3D 建模的大型真實感資料集

一個免費的語音數字音訊資料集。MNIST 的音訊版本。

ACM Multimedia2020 University-1652：一個基於無人機的地理定位多視角多源基準測試 :helicopter: 標註了全球 72 所大學中的 1652 棟建築。

從影片網址輕鬆建立大型影片資料集

使用 git 與 git-annex 來掌控程式碼、資料與容器

Awesome-LLM-Eval：精選的工具、資料集/基準測試、展示、排行榜、論文、文件與模型清單，主要用於 LLM 評估。一個由工具、基準/數據、演示、排行榜和大模型等組成的精選列表，主要面向基礎大模型評測，旨在探求生成式AI的技術邊界。

我為網路科學與機器學習研究而收集的一些非常酷的資料集儲存庫。

資料科學專案的完整生命週期

用於開發與驗證融合姿態估測器及地圖演算法的駕駛資料集

ConvoKit 是一個用於擷取對話特徵並分析對話中社會現象的工具包。內含多個大型對話資料集，以及示範如何在這些資料集上使用工具包的指令稿。

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 與說明

Ego4d 資料集儲存庫。下載資料集、視覺化、萃取特徵與資料集範例用法

Exclusively Dark (ExDARK) 資料集，就我們所知，這是迄今為止最大的低光源影像集合，拍攝環境從極低光源到黃昏（即 10 種不同條件），並附帶影像類別與物件層級標註。

一些分割與顯著性檢測的資料集集合。歡迎 PR...:smile: