Git Stars Git Stars

#datasets 仓库

探索 92 个标记为 #datasets 的活跃开源 GitHub 仓库,它们累计获得 397,307 个 Star(平均每个项目 4,318 个)。该主题的领先项目是 awesomedata/awesome-public-datasets,拥有 80,228 个 Star。

92
仓库总数
397,307
总星标数
4,318
平均每个仓库星标数
1
awesomedata/awesome-public-datasets

HQ开放数据集的以主题为中心的列表。

awesomedata
⭐ 80,228 👤 awesomedata Organization 🕐 已更新 2026-11-20 📅 创建时间 2014-11-20
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
akfamily/akshare

AKShare 是一个优雅而简单的 Python 金融数据接口库,为人类而生!开源财经数据接口库

akfamily
⭐ 23,425 Python 👤 akfamily Organization 🕐 已更新 2026-11-20 📅 创建时间 2019-10-01
4
jbhuang0604/awesome-computer-vision

精选的超赞计算机视觉资源列表

jbhuang0604
⭐ 22,920 👤 jbhuang0604 User 🕐 已更新 2024-05-17 📅 创建时间 2015-01-16
5
huggingface/datasets

🤗 最大的现成数据集中心,为AI模型提供快速、易用且高效的数据处理工具

huggingface
⭐ 22,178 Python 👤 huggingface Organization 🕐 已更新 2026-11-19 📅 创建时间 2020-03-26
6
Arize-ai/phoenix

AI 可观测性与评估

Arize-ai
⭐ 12,368 Python 👤 Arize-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-11-09
7
tonybeltramelli/pix2code

pix2code:从图形用户界面截图生成代码

tonybeltramelli
⭐ 12,055 Python 👤 tonybeltramelli User 🕐 已更新 2024-05-29 📅 创建时间 2017-05-24
8
cleanlab/cleanlab

Cleanlab 的开源库是处理杂乱的真实世界数据和标签的数据质量和机器学习的标准数据中心 AI 包。

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 已更新 2026-01-13 📅 创建时间 2018-05-11
9
simonw/datasette

一个用于探索和发布数据的开源多功能工具

simonw
⭐ 11,627 Python 👤 simonw User 🕐 已更新 2026-11-20 📅 创建时间 2017-10-23
10
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
11
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
12
imaNNeo/fl_chart

FL Chart 是一个高度可定制的 Flutter 图表库,支持折线图、柱状图、饼图、散点图、雷达图和蜡烛图。

imaNNeo
⭐ 7,594 Dart 👤 imaNNeo User 🕐 已更新 2026-11-14 📅 创建时间 2019-05-12
13
liuruoze/EasyPR

(CGCSTCD'2017) 一个简单、灵活、准确的中国车牌识别项目,适用于非约束性场景。CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design

liuruoze
⭐ 6,430 C++ 👤 liuruoze User 🕐 已更新 2026-11-12 📅 创建时间 2014-09-19
14
cocodataset/cocoapi

COCO API - 数据集 @ http://cocodataset.org/

cocodataset
⭐ 6,346 Jupyter Notebook 👤 cocodataset Organization 🕐 已更新 2024-04-17 📅 创建时间 2015-01-25
15
langwatch/langwatch

面向 AI 平台团队的开源智能体可观测性与评测。追踪、测试、路由并治理公司中的每个智能体和编程助手。

langwatch
⭐ 5,050 TypeScript 👤 langwatch Organization 🕐 已更新 2026-11-21 📅 创建时间 2023-09-09
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
torchgeo/torchgeo

TorchGeo: 用于地理空间数据的数据集、采样器、转换和预训练模型

torchgeo
⭐ 4,243 Python 👤 torchgeo Organization 🕐 已更新 2026-11-21 📅 创建时间 2021-05-21
18
Jon-Becker/prediction-market-analysis

一个用于收集和分析预测市场数据的框架,包括最大公开可用的 Polymarket 和 Kalshi 市场及交易数据集。

Jon-Becker
⭐ 3,950 Python 👤 Jon-Becker User 🕐 已更新 2026-10-29 📅 创建时间 2025-11-22
19
uzh-rpg/event-based_vision_resources

基于事件的视觉资源。社区努力收集基于事件的视觉技术知识(论文、工作坊、数据集、代码、视频等)

uzh-rpg
⭐ 3,683 👤 uzh-rpg Organization 🕐 已更新 2026-10-23 📅 创建时间 2017-06-27
20
RUC-NLPIR/FlashRAG

⚡FlashRAG: 高效RAG研究的Python工具包 (WWW2025资源)

RUC-NLPIR
⭐ 3,617 Python 👤 RUC-NLPIR Organization 🕐 已更新 2026-10-27 📅 创建时间 2024-03-14
21
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
22
codefuse-ai/Awesome-Code-LLM

[TMLR] 基于代码(及其他软件工程活动)的精选语言建模研究列表,以及相关的数据集。

codefuse-ai
⭐ 3,454 👤 codefuse-ai Organization 🕐 已更新 2026-05-20 📅 创建时间 2023-09-21
23
roapi/roapi

无需编写任何代码,即可为缓慢移动的数据集创建功能齐全的 API。

roapi
⭐ 3,435 Rust 👤 roapi Organization 🕐 已更新 2026-03-25 📅 创建时间 2020-12-11
24
ChaofWang/Awesome-Super-Resolution

收集与超分辨率相关的论文、数据、仓库

ChaofWang
⭐ 3,099 👤 ChaofWang User 🕐 已更新 2026-08-19 📅 创建时间 2019-04-20
25
bytewax/awesome-public-real-time-datasets

bytewax.io 团队维护的包含实时数据的公开数据集列表

bytewax
⭐ 2,995 👤 bytewax Organization 🕐 已更新 2026-10-22 📅 创建时间 2023-05-25
26
logpai/loghub

用于AI驱动日志分析的系统日志数据集的大型集合 [ISSRE'23]

logpai
⭐ 2,920 👤 logpai Organization 🕐 已更新 2026-11-21 📅 创建时间 2016-06-08
27
FreedomIntelligence/Awesome-AI4Med

精选的医疗大语言模型、多模态系统、数据集、基准测试等列表。🏥

FreedomIntelligence
⭐ 2,905 👤 FreedomIntelligence Organization 🕐 已更新 2026-08-04 📅 创建时间 2019-11-14
28
zhulf0804/3D-PointCloud

关于点云的论文和数据集。

zhulf0804
⭐ 2,871 Python 👤 zhulf0804 User 🕐 已更新 2024-08-30 📅 创建时间 2019-03-06
29
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
30
isl-org/Open3D-ML

Open3D 在 3D 机器学习任务上的扩展

isl-org
⭐ 2,364 Python 👤 isl-org Organization 🕐 已更新 2026-09-16 📅 创建时间 2020-07-01
31
Jieyab89/OSINT-Cheat-sheet

OSINT 备忘单,列出 OSINT 工具、维基、数据集、文章、书籍、黑客的 OSINT 红队,以及 OSINT 技巧和 OSINT 分支。此存储库每次进行研究时都会增长,其中包含研究、科学与技术、教程。请明智地使用它。

Jieyab89
⭐ 2,333 HTML 👤 Jieyab89 User 🕐 已更新 2026-11-16 📅 创建时间 2021-11-22
32
WLiK/LLM4Rec-Awesome-Papers

关于大型语言模型(LLM)推荐系统的精选论文和资源列表。

WLiK
⭐ 2,289 👤 WLiK User 🕐 已更新 2025-03-17 📅 创建时间 2023-05-12
33
jsbroks/coco-annotator

:pencil2: 基于Web的图像分割工具,用于对象检测、定位和关键点

jsbroks
⭐ 2,274 Vue 👤 jsbroks User 🕐 已更新 2025-01-30 📅 创建时间 2018-09-03
34
PavelGrigoryevDS/awesome-data-analysis

🚀 500多个精选的数据分析和数据科学资源:Python、SQL、统计学、机器学习、人工智能、可视化、速查表、路线图、面试准备。面向初学者和专家。

PavelGrigoryevDS
⭐ 2,224 👤 PavelGrigoryevDS User 🕐 已更新 2026-11-01 📅 创建时间 2025-07-30
35
prabhuomkar/pytorch-cpp

人人可学的PyTorch教程C++实现

prabhuomkar
⭐ 2,139 C++ 👤 prabhuomkar User 🕐 已更新 2026-11-03 📅 创建时间 2019-11-05
36
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
37
snap-stanford/ogb

图机器学习的基准数据集、数据加载器和评估器

snap-stanford
⭐ 2,089 Python 👤 snap-stanford Organization 🕐 已更新 2025-05-06 📅 创建时间 2019-11-22
38
eosphoros-ai/DB-GPT-Hub

一个包含 DB-GPT 模型、数据集和微调技术的仓库,旨在提高 Text-to-SQL 的模型性能

eosphoros-ai
⭐ 1,998 Python 👤 eosphoros-ai Organization 🕐 已更新 2025-07-02 📅 创建时间 2023-06-02
39
diffgram/diffgram

用于模式、BLOB 和预测的 AI 数据存储。与您的应用程序一起使用,或集成内置的人工监督、数据工作流和 UI 目录,以从您的人工智能数据中获得最大价值。

diffgram
⭐ 1,911 Python 👤 diffgram Organization 🕐 已更新 2026-06-22 📅 创建时间 2018-09-06
40
shramos/Awesome-Cybersecurity-Datasets

精选的令人惊叹的出色网络安全数据集列表

shramos
⭐ 1,885 👤 shramos User 🕐 已更新 2024-03-02 📅 创建时间 2018-08-29
41
MobilityData/awesome-transit

社区公共交通 API、应用、数据集、研究和软件列表 :bus::star2::train::star2::steam_locomotive:

MobilityData
⭐ 1,869 👤 MobilityData Organization 🕐 已更新 2026-11-18 📅 创建时间 2015-08-13
42
JuliaData/DataFrames.jl

Julia 中的内存中表格数据

JuliaData
⭐ 1,844 Julia 👤 JuliaData Organization 🕐 已更新 2026-11-18 📅 创建时间 2012-07-11
43
coderonion/awesome-yolo-object-detection

🚀🚀🚀 一些很棒的公开 YOLO 对象检测系列项目以及相关的对象检测数据集的集合。

coderonion
⭐ 1,747 👤 coderonion User 🕐 已更新 2025-05-31 📅 创建时间 2022-02-19
44
Farama-Foundation/Minari

离线强化学习数据集的标准格式,包含流行参考数据集和相关工具

Farama-Foundation
⭐ 1,738 Python 👤 Farama-Foundation Organization 🕐 已更新 2026-11-15 📅 创建时间 2022-10-06
45
Olcmyk/HuChenFeng

收集户晨风的所有内容

Olcmyk
⭐ 1,683 👤 Olcmyk User 🕐 已更新 2026-02-17 📅 创建时间 2025-10-06
46
Farama-Foundation/D4RL

用于离线强化学习的参考环境集合

Farama-Foundation
⭐ 1,627 Python 👤 Farama-Foundation Organization 🕐 已更新 2024-11-18 📅 创建时间 2020-04-12
47
PKU-Alignment/safe-rlhf

安全RLHF:通过人类反馈的安全强化学习实现约束式价值对齐

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 已更新 2025-11-24 📅 创建时间 2023-05-15
48
juand-r/entity-recognition-datasets

命名实体识别 (NER) 和实体识别任务的语料库集合。这些标注数据集涵盖了多种语言、领域和实体类型。

juand-r
⭐ 1,573 Python 👤 juand-r User 🕐 已更新 2026-07-02 📅 创建时间 2018-09-01
49
kitops-ml/kitops

CNCF 的一个开源 DevOps 工具,用于将 AI/ML 模型、数据集、代码和配置打包并版本化为 OCI 构件。

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-02-02
50
explosion/projects

🪐 从原型到生产的全链路 NLP 工作流程

explosion
⭐ 1,406 Python 👤 explosion Organization 🕐 已更新 2024-10-15 📅 创建时间 2019-11-21

常见问题解答

1

GitHub 上最受欢迎的 #datasets 仓库是什么?

GitHub 上排名第一的开源 #datasets 项目是 awesomedata/awesome-public-datasets,拥有 80,228 个 Star。HQ开放数据集的以主题为中心的列表。

2

#datasets 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #datasets 项目中,最常见的编程语言是 Python, TypeScript, C++, Dart。

3

#datasets 仓库的排名是如何计算的?

我们跟踪了 92 个标记为 #datasets 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 397,307 个 Star,平均每个仓库拥有 4,318 个 Star。排名每日根据 GitHub API 更新。