Project Icon

dataset

摩洛哥方言Darija与英语双语开源数据集DODa

Darija Open Dataset (DODa)是一个专注于摩洛哥方言的开源项目,包含约15万条条目。该数据集提供语义和语法分类、多种拼写形式、词形变化以及大量翻译句子。DODa采用拉丁字母和阿拉伯字母,反映了Darija拼写的多样性,为自然语言处理应用提供了丰富资源。项目目标是成为Darija NLP的重要参考,并鼓励社区贡献。

entity-recognition-datasets - 多领域实体识别和命名实体识别任务数据集
AnnotationsDatasetsEntity RecognitionGithubNERNamed Entity Recognition开源项目
此库包含多个领域的实体识别和命名实体识别(NER)任务数据集,包括新闻、社交媒体、医学等。项目提供数据目录和转换代码,部分数据因许可证限制无法直接共享。虽然自2020年起更新较少,但仍接受通过issue或pull request添加的数据集,并支持多种语言的NER数据,如德语、西班牙语和荷兰语等。
opendal - 统一数据访问层 多语言多服务高效集成
GithubOpenDAL多语言支持存储服务开源项目数据访问
OpenDAL是开源的统一数据访问层,支持多种编程语言和存储服务。它覆盖标准存储协议、对象存储、文件存储、云存储、键值存储、数据库和缓存等多种服务,提供高效的数据获取能力。OpenDAL简化了开发流程,提高了数据操作效率,是一个全面的数据访问解决方案。
datasets - 最大的 ML 模型即用型数据集中心,具有快速、易用且高效的数据操作工具
APIApache ArrowGithubHugging Face开源项目数据集机器学习
🤗 Datasets是一个高效的轻量级数据处理库,支持一行代码完成数据集的下载和预处理。库支持Numpy、Pandas、PyTorch、TensorFlow和JAX等框架,并提供智能缓存及大规模数据集的流式处理,有效减轻内存限制的压力,简化机器学习和数据分析的前置工作。
alpaca-chinese-dataset - 中文指令微调数据集生成与清洗方法
Githubalpacaself-instruct中文指令开源项目数据集机器翻译
此数据集通过机器翻译与self-instruct方法生成,并进行关键词清洗,提供高质量的中文指令微调数据。用户可以详细了解数据生成和清洗方法,并查看多个实际示例,以提升模型性能。
awesome-persian-nlp-ir - 波斯语NLP和IR资源汇总
Github工具开源项目数据集模型波斯语NLP资源
这是一个awesome系列的波斯语NLP和IR资源汇总项目。该项目汇集了波斯语自然语言处理和信息检索领域的工具、数据集、模型、代码库以及相关论文和书籍。这些资源为研究人员和开发者提供了丰富的参考,推动了波斯语NLP和IR技术的发展。项目采用CC0许可证,欢迎社区贡献。
data2vec-audio-base-960h - 利用自监督学习提升语音识别效率的开源框架
Data2VecGithubHuggingfaceTransformer开源项目模型自动语音识别自监督学习语言模型
Data2Vec是一种开源模型,基于Librispeech数据集进行960小时的16kHz语音音频的预训练和微调,在语音识别领域表现优异。利用自监督学习与自蒸馏手段,Data2Vec准确提取上下文信息,优化了自动语音识别的表现。在LibriSpeech的测试中,取得了“clean”任务2.77和“other”任务7.08的词错误率(WER),体现了其在业内的竞争力。
dolly-v2-12b - Databricks开源商用语言模型
GithubHuggingfacedolly-v2-12b大语言模型开源项目性能限制指令调优数据集模型
dolly-v2-12b由Databricks开发,基于Pythia-12b构建,是一款为商业用途优化的大规模指令遵循语言模型。通过15000条指令/响应数据库微调,展示其在多领域应用中的潜力,如信息提取和问答系统。同时,提供更小的dolly-v2-7b和dolly-v2-3b版本以适应不同需求。
meta-dataset - 多样化小样本学习基准与算法实现
CrossTransformersFLUTEGithubMeta-DatasetNeurIPS 2021TFDS API开源项目
本项目介绍了基于TensorFlow Datasets的Meta-Dataset输入管道,兼容原始协议(MD-v1)和更新的VTAB+MD协议(MD-v2),并提供相关研究的代码和检查点,详细说明数据管道、模型及实验设置。大量实验揭示了一些重要的研究挑战,并提出了新的基准方法来量化Meta-Dataset中的元学习优势,希望能激励更多相关研究方向的工作。
Thorsten-Voice - 开源德语TTS项目提供高质量免费离线语音数据集和模型
GithubThorsten-Voice开源开源项目德语TTS语音技术语音数据集
Thorsten-Voice项目由Thorsten Müller与Dominik Kreutz联合开发,提供多种开源德语文本到语音(TTS)数据集。这些数据集从中性到情感表达具备多样性,配合AI技术开发出多种TTS模型,适用于教育、研究和开源软件。该项目积极支持开源语音技术的进步,并在Thorsten-Voice YouTube频道提供相关教程,推广这些技术的应用。
dataset-viewer - 全面的数据集浏览支持与管理工具
APIGitHubGithubHugging Facebugsdataset viewer开源项目
Dataset viewer 通过 API 提供预处理数据,方便用户浏览和管理 Hugging Face Hub 上的所有数据集。用户可分页查看数据,每页包含 100 行,并通过底部按钮进行导航、过滤、搜索数据和查看基本统计信息。前端组件未开源,遇到问题或需要新功能,可以通过 GitHub 反馈。用户还可通过贡献想法、回答问题、报告错误与改进建议来支持项目改进。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号