datumaro

综合数据集管理与转换工具

Dataset Management Framework Datumaro 数据集转换数据集质量检查模型集成 Github 开源项目

Datumaro是一个全面的数据集管理工具，支持多种数据格式的读取、写入及转换，并提供注释处理和数据过滤功能。该工具还能进行数据集质量检查、模型推理、数据集比较及统计，协助用户有效进行数据集合并、拆分和采样，并与OpenVINO等模型集成。一览详细功能及使用指南，请参阅官方文档。

Parsr - 清理和解析文档，生成结构化数据

APIDockerGithubParsr开源项目数据解析文档处理

Parsr是一款轻量级的文档清理、解析和提取工具，支持图像、PDF、DOCX和EML格式。能够生成JSON、Markdown、CSV/Pandas DF或TXT格式的数据，为分析师、数据科学家和开发者提供结构化的标签信息集，可用于数据录入和文档分析自动化等应用。功能包括文档清理、层次结构重建、标题检测、表格、列表、目录、页码、页眉页脚和链接检测等。通过Docker镜像可以快速安装和运行，并提供GUI工具以可视化结果。

data_management_LLM - 大型语言模型训练数据管理资源汇总

Github大语言模型开源项目数据质量监督微调训练数据管理预训练

该项目汇总了大型语言模型训练数据管理的相关资源。内容涵盖预训练和监督微调阶段，探讨领域组成、数据数量和质量等关键方面。项目还收录了数据去重、毒性过滤等技术，以及不同因素间的关系研究。这些资源为优化LLM训练数据管理提供了全面参考。

roapi - 无代码自动生成数据集的只读API服务

APIGithubROAPI开源项目数据格式数据集查询接口

ROAPI为静态数据集自动生成只读API，无需编写代码。它支持SQL、GraphQL和REST API查询接口，可从文件系统、HTTP、S3等多种来源加载CSV、JSON、Parquet等格式的数据。ROAPI自动推断数据模式，并支持多种结果序列化格式，为数据访问和查询提供了灵活高效的解决方案。

dataloader - 适用于 TensorFlow、PyTorch 和 JAX 的 GPU 优化数据加载器

GPU优化GithubMerlin DataloaderPyTorchTensorFlow开源项目推荐系统

Merlin Dataloader 提供适用于 TensorFlow、PyTorch 和 JAX 的 GPU 优化数据加载器，大幅提升推荐模型的训练速度。优势包括速度提升超10倍、支持大于内存的数据集、每个周期的数据随机化及分布式训练。这些特点使其成为高效训练推荐模型的理想工具。

Streamline-Analyst - AI数据分析工具，自动化处理全流程数据

GithubStreamline Analyst开源项目数据分析数据可视化模型选择自动化工作流程

Streamline Analyst 是一个基于大型语言模型的开源数据分析应用，旨在提高数据分析效率。它自动执行数据清洗、预处理和其他复杂任务，如识别目标对象、划分测试集以及选择最佳模型。用户只需进行简单的操作，即可快速得到高质量的视觉化结果和模型。此工具确保数据隐私和安全，同时未来将增加自然语言处理、神经网络和对象检测等更多高级功能。

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。

MiraData - 长时视频数据集助力AI视频生成研究

GithubMiraData开源项目结构化标注视频数据集视频生成长视频

MiraData是一个为长视频生成任务设计的大规模数据集。其特点包括平均72秒的视频长度和详细的结构化字幕。数据集提供330K、93K、42K和9K四个版本，每个视频配有六类字幕：主要对象、背景、风格、相机运动、简短摘要和详细描述。这些特性使MiraData成为改进长序列视频处理和镜头转换建模的重要资源。

diffgram - AI数据存储与管理解决方案，涵盖多种数据类型与人类监督

AI数据存储DiffgramGithub人类监督开源项目数据工作流数据标签

提供多种数据类型的人类监督功能和AI数据存储解决方案。支持图像、视频、文本和3D数据的高效管理和标注，用户可自行掌控本地数据。适用于从数据标签到AI应用工作流管理的多种商业和研究场景。

dagu - 强大的工作流管理工具简化复杂任务调度

DAGDaguGithubWeb界面工作流管理开源项目调度器

Dagu是一个开源的工作流管理工具，通过YAML格式定义任务依赖关系，形成有向无环图(DAG)。它提供Web界面实现可视化管理，支持Docker容器、HTTP请求和SSH命令执行。Dagu简化了复杂工作流的调度和监控，无需修改现有程序或额外数据库即可使用，是Cron的现代化替代方案。

vector-io - 多平台向量数据集迁移工具支持主流向量数据库

GithubVector IO向量数据库向量数据集开源项目数据导入导出

Vector IO是一个向量数据集迁移工具，采用通用格式实现多种向量数据库间的数据转换。目前支持Pinecone、Qdrant、Milvus等主流数据库，提供命令行接口进行数据导入导出和重新嵌入。该开源项目正不断扩展兼容的数据库类型，欢迎社区参与贡献。

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