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

Hugging Face 数据集机器学习 API Apache Arrow Github 开源项目

🤗 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。

文档

awesome-instruction-datasets - 多语言高质量开源数据集，促进NLP指令调优

Awesome Instruction DatasetsGithubInstruction TuningLLMsPrompt DatasetsRLHF Datasets开源项目

该项目提供多语言和多任务的高质量开源指令调优数据集，方便研究人员和开发者轻松访问和利用这些资源。收录数据集包括人类生成、自我指令生成和混合生成的数据，以加速NLP领域的发展，支持如ChatGPT的指令跟随型大语言模型的训练。

awesome-synthetic-datasets - 大语言模型合成数据集资源汇总

CosmopediaGithubSelf-InstructTinyStories合成数据集大语言模型开源项目

该项目整理了大语言模型生成合成数据集的相关资源，包括教程、技术、数据集、工具和论文。涵盖TinyStories、Cosmopedia等数据集，以及Self-Instruct、AutoPrompt等技术，为AI研究和开发提供参考。

DeepSpeed - 一个深度学习优化库，专为大规模模型训练和推理设计

DeepSpeedGithub分布式训练大规模模型训练开源项目模型压缩模型推理

DeepSpeed 是一个深度学习优化软件套件，专为大规模模型训练和推理设计，能显著优化系统性能和降低成本。它支持亿级至万亿级参数的高效管理，兼容各种计算环境，从资源受限的GPU系统到庞大的GPU集群。此外，DeepSpeed 在模型压缩和推理领域亦取得创新成就，提供极低的延迟和极高的处理速率。

medical-datasets - 医学影像数据集汇总从MRI到X射线的全面资源

CTGithubMRIX光分割标注医学影像数据集开源项目

medical-datasets是一个综合性医学影像数据集资源库,收录了MRI、CT和X射线等多种模态的影像数据。涵盖从大脑到胸部的多个人体部位,不仅包含原始图像,还提供分割标注和临床诊断等信息。该项目为医学影像分析、人工智能和机器学习领域的研究与应用提供了丰富的数据支持。

pandas-ai - 高效数据处理与自然语言交互平台

GithubPandasAIPython开源项目数据分析数据可视化热门自然语言处理

PandasAI是一个强大的Python平台，专为非技术用户设计，通过自然语言轻松查询数据。它不仅帮助技术用户节省时间，还通过Jupyter notebooks或借助FastAPI和Flask轻松部署为REST API。想要了解更多PandasAI Cloud或企业版服务，欢迎联系我们获取详细信息。

chug - 多模态数据训练的高效开源库

Chugging DataGithubHugging Face datasetswebdataset多模态数据训练开源项目数据处理库

chug是一个面向多模态数据训练的开源库,集成了webdataset和Hugging Face datasets的高效数据处理流程。它支持图像、文档和文本任务,提供实时PDF解码、灵活数据加载和预处理功能,并为文档阅读、视觉问答等任务设计了专用管道。尽管处于alpha阶段,chug已在多个PDF数据集上测试,可为大规模多模态模型训练提供有力支持。

dataspeech - 简化语音数据集标注与处理的实用工具

Data-SpeechGithub开源项目数据标注语音AI语音数据集音频转换

Data-Speech是一套用于语音数据集标注的实用脚本工具。它提供简洁代码库，支持音频转换和注释，有助于语音AI模型开发。该工具能重现研究论文中的注释方法，使用自然语言描述标注说话者特征。Data-Speech可处理LibriTTS-R和MLS等数据集，并为Parler-TTS库提供支持。它提供从数据集注释、特征映射到自然语言描述生成的完整工作流程。

docarray - 专为多模态数据的表示、传输、存储和检索而精心打造的Python 库

DocArrayGithubPython库multimodal数据开源项目数据传输机器学习生态系统

DocArray是一个为多模态数据提供表示、传输、存储和检索功能的Python库。这个库与NumPy、PyTorch、TensorFlow和JAX等框架无缝集成，支持各种向量数据库，也兼容FastAPI和Jina等网络和微服务框架。作为LF AI & Data Foundation的沙盒项目，DocArray提高了多模态AI应用的开发效率。

ml-visuals - 免费获取开源机器学习视觉素材

GithubGoogle幻灯片ML Visualsdair.ai开源项目机器学习科学传播

ML Visuals 是由 dair.ai 社区发起的开源项目，提供超过100个由社区贡献的专业视觉和图形资料，用于支持科学交流。这些资源可用于机器学习演示或博客文章，广泛应用于学术研究和教学等多种场景。

zenml-projects - ZenML构建的生产级机器学习项目集合

GithubMLOpsZenML开源框架开源项目机器学习项目生产级ML用例

ZenML Projects是一个展示使用ZenML构建的生产级机器学习用例集合。该仓库提供了涵盖时间序列、表格数据、计算机视觉等多个ML领域的现成MLOps工作流程。开发者可以直接使用或根据需求调整这些解决方案,快速启动机器学习项目。仓库包含多个由ZenML团队和社区维护的示例项目,覆盖了常见ML应用场景。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com