Git Stars Git Stars

#dataset 仓库

探索 173 个标记为 #dataset 的活跃开源 GitHub 仓库,它们累计获得 893,448 个 Star(平均每个项目 5,164 个)。该主题的领先项目是 public-apis/public-apis,拥有 500,577 个 Star。

173
仓库总数
893,448
总星标数
5,164
平均每个仓库星标数

共 173 个仓库

1
public-apis/public-apis

免费 API 的集体列表

public-apis
⭐ 500,577 Python 👤 public-apis Organization 🕐 已更新 2026-11-20 📅 创建时间 2016-03-20
2
HumanSignal/label-studio

Label Studio 是一个具有标准化输出格式的多类型数据标注和注释工具

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 已更新 2026-11-20 📅 创建时间 2019-06-19
3
hasaneyldrm/exercises-dataset

包含 1,324 项练习的健身数据集 — 包含动画 GIF、180×180 缩略图、肌肉群与器械数据,以及 6 种语言的分步说明。这是 LogPress 应用程序背后的练习数据层。

hasaneyldrm
⭐ 23,938 HTML 👤 hasaneyldrm User 🕐 已更新 2026-07-16 📅 创建时间 2026-03-18
4
joke2k/faker

Faker 是一个 Python 包,它为你生成假数据。

joke2k
⭐ 19,502 Python 👤 joke2k User 🕐 已更新 2026-11-20 📅 创建时间 2012-11-12
5
cvat-ai/cvat

CVAT 是领先的图像、视频、音频和 3D 数据集数据标注平台。它提供开源、云端和企业级产品,以及数据标注服务,支持 AI 辅助标注、质量保证、团队协作、分析和开发者 API。

cvat-ai
⭐ 17,181 Python 👤 cvat-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2018-06-29
6
lukas-blecher/LaTeX-OCR

pix2tex: 使用ViT将方程图像转换为LaTeX代码。

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 已更新 2025-01-18 📅 创建时间 2020-12-11
7
ConardLi/easy-dataset

一个用于创建 LLM 微调、RAG 和评估的数据集的强大工具

ConardLi
⭐ 15,135 JavaScript 👤 ConardLi User 🕐 已更新 2026-05-01 📅 创建时间 2025-03-04
8
doccano/doccano

为机器学习从业者提供的开源标注工具。

doccano
⭐ 10,811 Python 👤 doccano Organization 🕐 已更新 2026-04-14 📅 创建时间 2018-05-09
9
satellite-image-deep-learning/techniques

使用卫星和航空图像的深度学习技术

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 已更新 2026-11-07 📅 创建时间 2018-04-16
10
brightmart/nlp_chinese_corpus

大规模中文自然语言处理语料

brightmart
⭐ 9,937 👤 brightmart User 🕐 已更新 2026-02-06 📅 创建时间 2019-02-08
11
mdn/browser-compat-data

MDN 上显示的 Web 技术浏览器兼容性数据

mdn
⭐ 5,800 JSON 👤 mdn Organization 🕐 已更新 2026-11-21 📅 创建时间 2016-03-29
12
lonePatient/awesome-pretrained-chinese-nlp-models

了不起的预训练中文 NLP 模型,高质量中文预训练模型&大模型&多模态模型&大语言模型集合

lonePatient
⭐ 5,618 Python 👤 lonePatient User 🕐 已更新 2026-08-30 📅 创建时间 2019-05-25
13
designfuchen/word-atlas

词光 · Word Atlas — 配有插图的雅思词汇,收录 7,298 个单词,提供英式/美式发音和 FSRS 复习。开源应用 + CC BY 4.0 数据集。

designfuchen
⭐ 5,158 TypeScript 👤 designfuchen User 🕐 已更新 2026-11-13 📅 创建时间 2026-10-25
14
mlabonne/llm-datasets

用于训练后(post-training)的数据集和工具精选列表。

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 已更新 2026-04-29 📅 创建时间 2024-04-27
15
SPLWare/esProc

esProc SPL 是一种基于 JVM 的编程语言,专为结构化数据计算而设计,兼具数据分析工具和嵌入式计算引擎的功能。

SPLWare
⭐ 4,674 Java 👤 SPLWare User 🕐 已更新 2026-11-18 📅 创建时间 2021-11-09
16
tensorflow/datasets

TFDS 是一个准备好与 TensorFlow、Jax 等一起使用的预置数据集集合...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 已更新 2026-11-13 📅 创建时间 2018-09-10
17
hyunwoongko/transformer

Transformer: "Attention Is All You Need" 的 PyTorch 实现

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 已更新 2025-07-15 📅 创建时间 2019-10-15
18
rom1504/img2dataset

轻松将大量图片URL转换为图像数据集。可在单台机器上,20小时内下载、调整大小并打包1亿个URL。

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 已更新 2025-10-19 📅 创建时间 2021-08-11
19
wainshine/Chinese-Names-Corpus

中文人名语料库。人名生成器。中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。可用于中文分词、人名实体识别。

wainshine
⭐ 4,347 👤 wainshine User 🕐 已更新 2025-11-09 📅 创建时间 2016-12-08
20
whoiskatrin/sql-translator

SQL Translator 是一个使用人工智能将自然语言查询转换为 SQL 代码的工具。本项目 100% 免费且开源。

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 已更新 2025-07-06 📅 创建时间 2023-03-11
21
CLUEbenchmark/CLUE

中文语言理解测评基准 Chinese Language Understanding Evaluation Benchmark: datasets, baselines, pre-trained models, corpus and leaderboard

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 已更新 2026-02-06 📅 创建时间 2019-11-22
22
OpenCSGs/csghub

CSGHub 是由 OpenCSG 团队开发的全新开源 LLM 管理平台。它提供开源和本地/SaaS 解决方案,功能与 Hugging Face 相当。通过与 Hugging Face 兼容的 Python SDK,全面掌控 LLM、数据集和代理的生命周期。加入我们吧!⭐️

OpenCSGs
⭐ 4,083 Vue 👤 OpenCSGs Organization 🕐 已更新 2026-11-13 📅 创建时间 2024-01-12
23
Charmve/Surface-Defect-Detection

📈 目前最大的工业缺陷检测数据库及论文集。持续总结表面缺陷研究领域中非常重要的开源数据集和关键论文。

Charmve
⭐ 3,888 Python 👤 Charmve User 🕐 已更新 2024-05-27 📅 创建时间 2020-09-27
24
M-3LAB/awesome-industrial-anomaly-detection

Paper list and datasets for industrial image anomaly/defect detection (updating). 工业异常/瑕疵检测论文及数据集检索库(持续更新)。

M-3LAB
⭐ 3,866 👤 M-3LAB Organization 🕐 已更新 2026-11-05 📅 创建时间 2022-12-02
25
Belval/TextRecognitionDataGenerator

文本识别的合成数据生成器

Belval
⭐ 3,619 Python 👤 Belval User 🕐 已更新 2024-07-18 📅 创建时间 2017-07-01
26
ashvardanian/StringZilla

适用于 C、C++、CUDA、Python、Rust、Go、Swift、JS、C# 和 Java 的字符串 SIMD、SWAR 与 GPU 内核:搜索、哈希、排序、编辑距离、UTF-8 分段与密码算法 🦖

ashvardanian
⭐ 3,590 C 👤 ashvardanian User 🕐 已更新 2026-11-20 📅 创建时间 2020-08-14
27
jdorfman/awesome-json-datasets

无需认证的精彩 JSON 数据集精选列表。

jdorfman
⭐ 3,531 JavaScript 👤 jdorfman User 🕐 已更新 2024-12-13 📅 创建时间 2015-08-10
28
waymo-research
⭐ 3,438 Python 👤 waymo-research Organization 🕐 已更新 2026-01-08 📅 创建时间 2019-06-13
29
linhandev/dataset

医学影像数据集列表 『An Index for Medical Imaging Datasets』

linhandev
⭐ 3,421 👤 linhandev User 🕐 已更新 2024-08-15 📅 创建时间 2020-12-04
30
pydata/pandas-datareader

将数据从各种互联网源提取到 pandas DataFrame 中。

pydata
⭐ 3,283 Python 👤 pydata Organization 🕐 已更新 2026-07-21 📅 创建时间 2015-01-15
31
meodai/color-names

精心挑选的颜色名称大列表 🌈

meodai
⭐ 3,111 JavaScript 👤 meodai User 🕐 已更新 2026-11-19 📅 创建时间 2017-04-23
32
WebBreacher/WhatsMyName

由社区维护的包含 700 多个网站的数据集,用于通过用户名查找账户 — 为 OSINT 和数字足迹工具提供支持。

WebBreacher
⭐ 3,043 Python 👤 WebBreacher User 🕐 已更新 2026-11-02 📅 创建时间 2015-10-02
33
whylabs/whylogs

面向机器学习模型和数据管道的开源数据记录库。📚 实时了解数据质量和模型性能。🛡️ 支持注重隐私的数据收集,确保安全性和鲁棒性。📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 已更新 2025-01-10 📅 创建时间 2020-08-14
34
unsplash/datasets

🎁 超过740万张Unsplash图片已开放用于研究和机器学习

unsplash
⭐ 2,812 Jupyter Notebook 👤 unsplash Organization 🕐 已更新 2026-06-26 📅 创建时间 2020-06-23
35
colour-science/colour

Python的色彩科学

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 已更新 2026-11-19 📅 创建时间 2014-02-23
36
GanjinZero/awesome_Chinese_medical_NLP

中文医学NLP公开资源整理:术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc

GanjinZero
⭐ 2,518 👤 GanjinZero User 🕐 已更新 2024-01-17 📅 创建时间 2019-10-30
37
detectRecog/CCPD

[ECCV 2018] CCPD: 一个多样且标注良好的车牌检测和识别数据集

detectRecog
⭐ 2,509 Python 👤 detectRecog User 🕐 已更新 2024-02-15 📅 创建时间 2018-04-03
38
itmeo/webgradients

180个免费的CSS3、Figma、Sketch和PSD渐变——外加一个用于设计工具、生成器和AI代理的JSON数据集。

itmeo
⭐ 2,505 CSS 👤 itmeo Organization 🕐 已更新 2026-08-03 📅 创建时间 2017-01-08
39
lukes/ISO-3166-Countries-with-Regional-Codes

ISO 3166-1 国家列表与联合国地理方案区域代码合并的即用 JSON、XML、CSV 数据集

lukes
⭐ 2,405 Ruby 👤 lukes User 🕐 已更新 2024-06-29 📅 创建时间 2011-04-21
40
wenhwu/awesome-remote-sensing-change-detection

遥感变化检测的全面且最新的数据集、工具、方法、综述论文和竞赛汇编。

wenhwu
⭐ 2,377 👤 wenhwu User 🕐 已更新 2026-09-09 📅 创建时间 2018-11-03
41
google-research-datasets/Objectron

Objectron 是一个短小的、以对象为中心的视频片段数据集。此外,这些视频还包含 AR 会话元数据,包括相机姿态、稀疏点云和平面。在每个视频中,相机围绕物体上下移动,并从不同视角捕捉物体。每个物体都用 3D 边界框进行标注。3D 边界框描述了物体的位置、方向和尺寸。该数据集包含约 15K 个标注视频片段和 4M 个标注图像,涵盖以下类别

google-research-datasets
⭐ 2,361 Jupyter Notebook 👤 google-research-datasets Organization 🕐 已更新 2026-03-06 📅 创建时间 2020-10-19
42
beir-cellar/beir

信息检索的异构基准。易于使用,在 15 个以上的多样化信息检索数据集上评估您的模型。

beir-cellar
⭐ 2,310 Python 👤 beir-cellar Organization 🕐 已更新 2025-10-16 📅 创建时间 2021-01-18
43
alibaba/clusterdata

从阿里巴巴的生产集群收集的集群数据,用于集群管理研究

alibaba
⭐ 2,270 Jupyter Notebook 👤 alibaba Organization 🕐 已更新 2026-10-13 📅 创建时间 2017-09-05
44
jim-schwoebel/voice_datasets

🔊 语音和声音计算的开放数据集综合列表(95+个数据集)。

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 已更新 2024-06-06 📅 创建时间 2019-07-24
45
UniversalDataTool/universal-data-tool

在简单的 Web 界面或桌面应用程序中协作并标记任何类型的数据、图像、文本或文档。

UniversalDataTool
⭐ 2,065 JavaScript 👤 UniversalDataTool Organization 🕐 已更新 2025-03-15 📅 创建时间 2019-07-11
46
X-zhangyang/Real-World-Masked-Face-Dataset

Real-World Masked Face Dataset,口罩人脸数据集

X-zhangyang
⭐ 2,030 Python 👤 X-zhangyang User 🕐 已更新 2024-11-20 📅 创建时间 2020-02-13
47
nvkelso/natural-earth-vector

一个全球性的公共领域地图数据集,可在三种尺度下获取,并具有紧密集成的矢量和栅格数据。

nvkelso
⭐ 2,015 HTML 👤 nvkelso User 🕐 已更新 2024-04-22 📅 创建时间 2012-01-22
48
visual-layer/fastdup

fastdup是一款强大、免费的工具,旨在从图像和视频数据集中快速生成有价值的见解。它有助于提高图像和标签的质量,同时显著降低数据运营成本,并具有无与伦比的可扩展性。

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 已更新 2026-08-23 📅 创建时间 2022-05-11
49
safe-graph/graph-fraud-detection-papers

精选的基于图/Transformer的欺诈、异常和离群值检测论文与资源列表

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 已更新 2026-11-15 📅 创建时间 2019-11-21
50
thanglequoc/vietnamese-provinces-database

越南行政单位的全面 SQL 和 GIS 数据集,包括省、县、坊、邮政编码和地理空间边界。

thanglequoc
⭐ 1,868 PLpgSQL 👤 thanglequoc User 🕐 已更新 2026-10-14 📅 创建时间 2021-11-06

常见问题解答

1

GitHub 上最受欢迎的 #dataset 仓库是什么?

GitHub 上排名第一的开源 #dataset 项目是 public-apis/public-apis,拥有 500,577 个 Star。免费 API 的集体列表

2

#dataset 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #dataset 项目中,最常见的编程语言是 Python, JavaScript, Jupyter Notebook, TypeScript。

3

#dataset 仓库的排名是如何计算的?

我们跟踪了 173 个标记为 #dataset 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 893,448 个 Star,平均每个仓库拥有 5,164 个 Star。排名每日根据 GitHub API 更新。