超全大模型资源汇总|30 个优质 NLP 数据集和模型,一键使用 8 个 demo,建议收藏!

【AI】大模型训练的常用图像数据集 关于数据集的获取,常见的数据集。 阅读详情

近两年来,大模型的热度持续高涨,并且开始在更广泛的领域进行落地探索。随着行业整体的快速发展,越来越多的开源大模型涌入市场,进一步推动了上层应用的拓展。

对于开发者而言,挑选优质大模型和数据集对其后续的研发、模型微调至关重要。为了方便大家选择并下载适配开发需求的模型与数据集,HyperAI超神经为大家汇总了大模型相关资源:

  • 优质公共数据集:15 个

  • 优质开源模型:15 个

  • 优质教程精选:8 个

获取更多大模型资源,请访问官网 :hyper.ai

数据集精选

1. seq-monkey 序列猴子开源数据集 1.0

序列猴子数据集是用于训练序列猴子模型的数据集,涉及领域包括:中文通用文本语料、古诗今译语料、文本生成语料。

直接使用: https://hyper.ai/datasets/30139

2. IEPile 大规模信息抽取语料库

IEPile 是由浙江大学研发的大规模、高质量的双语(中英)信息抽取 (IE) 指令微调数据集,涵盖了医学、金融等多个领域。

直接使用: https://hyper.ai/datasets/30064

3. LongAlign-10K 大模型长上下文对齐数据集

LongAlign-10k 由清华大学提出,是一个针对大模型在长上下文对齐任务中面临的挑战而设计的数据集,包含 10,000 条长指令数据,长度在 8k-64k 之间。

直接使用: https://hyper.ai/datasets/30247

4. 大众点评数据集

该数据集包含 54 万用户对 24 万家餐馆的 440 万条评论或评分数据。可用于推荐系统、情感/观点/评论倾向性分析等任务。

直接使用: https://hyper.ai/datasets/29993

5. 亚马逊用户评价数据集

该数据集包含 142 万用户对亚马逊网站上 1,100 多个类目下的 52 万件商品的 720 万条评论或评分数据,可用于推荐系统、情感/观点/评论倾向性分析等任务。

直接使用: https://hyper.ai/datasets/30009

6. PD&CFT 人民日报中文阅读理解数据集

该数据集是第一个中文阅读理解数据集,其中内容包括人民日报和儿童童话(People Daily&Children’s Fairy Tale,简称 PD&CFT)。

直接使用: https://hyper.ai/datasets/29260

7. 今日头条中文文本分类数据集

该数据集为今日头条中文新闻(短文本)分类数据集。数据来源为今日头条客户端。共包含 15 个分类,382,688 条文本。

直接使用: https://hyper.ai/datasets/29517

8. FewJoint 基准数据集

该数据集来自讯飞 AIUI开放平台,包含真实用户的语料和专家构造的语料(比例约为 3:7),共 59 个真实域,是目前域最多的对话数据集之一。

直接使用: https://hyper.ai/datasets/29239

9. PAWS-X :用于释义识别的跨语言对抗数据集

该数据集包含 23,659 个人工翻译的 PAWS 评估对,以及 296,406 个机器翻译的训练对,采用 6 种不同的语言:法语、西班牙语、德语、中文、日语和韩语。所有翻译对均源自 PAWS-Wiki 中的示例。

直接使用: https://hyper.ai/datasets/29264

10. Wikipedia 维基百科数据集

该数据集是根据 Wikipedia 转储构建的,包含 56 种语言,每种语言有一个子集,每个子集包含一个训练分割。每个示例都包含一篇完整的维基百科文章的内容,并经过清理以删除标记和不需要的部分(参考文献等)。

直接使用: https://hyper.ai/datasets/28528

11. RJUA-QA 首个中文医疗专科问答推理数据集

RJUA-QA 数据集共含 2,132 个问答对,每对问答由医生根据临床经验编写的问题、专家提供的回答以及相关的推理上下文构成,这些上下文信息源自中国泌尿外科和男科疾病诊断治疗指南。

直接使用: https://hyper.ai/datasets/28970

12. ShareGPT 90k 中英文双语人机问答数据集

ShareGPT-Chinese-English-90k 是中英文平行双语优质人机问答数据集,覆盖真实复杂场景下的用户提问。可用于训练高质量的对话模型。

直接使用: https://hyper.ai/datasets/29523

13. SMP-2017 中文对话意图识别数据集

该数据集为 SMP2017 中文人机对话技术评测 (ECDT) 任务一数据集。

直接使用: https://hyper.ai/datasets/29515

14. Chinese-Poetry 中文古典诗歌文集数据库

该数据集是最全的中华古典文集数据库,包含 5.5 万首唐诗、 26 万首宋词、 2.1 万首宋词等古典文集。

直接使用: https://hyper.ai/datasets/29257

15. MCFEND 中国假新闻检测的多源基准数据集

该数据集是由香港浸会大学、香港中文大学等机构联合构建的一个多源中文虚假新闻检测基准数据集。

直接使用: https://hyper.ai/datasets/30429

更多公共数据集,请访问:

https://hyper.ai/datasets

大模型精选

1. Mixtral-8x7B

该模型是 Mistral AI 在 Mistral 7B 的基础上推出的大语言模型。

直接使用: https://openbayes.com/console/public/models/f1Ze9ci0tAZ/1/overview

2. C4AI Command-R

C4AI Command-R 是由 Cohere 和 Cohere For AI 联合开发的一个 350 亿参数的高性能生成式模型。多语言生成能力和高性能 RAG能力的结合,使 Command-R 在跨语言任务和知识密集型任务上具有独特优势。

直接使用: https://openbayes.com/console/public/models/moNFtsf3XUe/1/overview

3. 金融大模型 deepmoney-34B-chat

该模型是基于 Yi-34B-200K 训练的,分为 pt(全参数训练)和 sft(lora 微调)两个阶段。

直接使用: https://openbayes.com/console/public/models/yiEoQipyFCK/1/overview

4. ChatGLM3 系列

ChatGLM3 是智谱 AI 和清华大学 KEG 实验室联合发布的对话预训练模型。

ChatGLM3-6B

该模型为 ChatGLM3 系列中的开源模型,保留了前两代模型对话流畅、部署门槛低等众多优秀特性。

直接使用: https://openbayes.com/console/public/models/mHwG5TYJVTU/1/overview

ChatGLM3-6B-Base

该模型是 ChatGLM3-6B 的基础模型,采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。

直接使用 : https://openbayes.com/console/public/models/7CzPfTweYvU/1/overview

5. LLaVA-v1.5 系列

LLaVA 是一个能够进行视觉和语言多模态转换的模型,由视觉编码器和大型语言模型 (Vicuna v1.5 13B) 组成。

LLaVA-v1.5-7B

该模型是 LLaVA-v1.5 系列的 70 亿参数规模的模型。

直接使用: https://openbayes.com/console/public/models/ZRdv9aF1hGF/1/overview

LLaVA-v1.5-13B

该模型是 LLaVA-v1.5 系列的 130 亿参数规模的模型。

直接使用: https://openbayes.com/console/public/models/PagJNrY85MC/1/overview

6. Yi-34B 系列

Yi 系列模型是 01.AI 从零开始训练的开源大语言模型,以下模型系列为其 34B 大小的型号的相关模型。

Yi-34B-chat

该模型为 Yi-34B 系列是 chat 模型,适用于多种对话场景。

直接使用: https://openbayes.com/console/public/models/6FUjDvKGZNT/1/overview

Yi-34B-Chat-GGUF

该模型是 Yi-34B-Chat 的 GGUF 格式。

直接使用 : https://openbayes.com/console/public/models/1QqoTcU07zG/1/overview

Yi-34B-Chat-4bits

该模型是 Yi-34B-Chat 模型的 4bit 量化版,可以直接在消费级显卡(如 RTX3090)上使用。

直接使用: https://openbayes.com/console/public/models/JJCjA8x48ev/1/overview

7. Qwen 通义千问大模型系列

Qwen 是阿里云推出的一系列超大规模语言模型,包括参数数量各不相同的不同模型。它包括 Qwen(基础预训练语言模型)和 Qwen-Chat(聊天模型),聊天模型采用人类对齐技术进行了微调。

Qwen1.5-1.8B-Chat

Qwen1.5 是 Qwen2 的 beta 版本,该模型是 Qwen2 系列中较小参数规模的聊天模型版本,参数大小为 18 亿。

直接使用: https://openbayes.com/console/public/models/A83bxItlb1M/1/overview

Qwen-14B-Chat-Int4

Qwen-14B-Chat 是通义千问大模型系列的 140 亿参数规模的聊天模型,该模型为其 Int4 量化模型。

直接使用: https://openbayes.com/console/public/models/tlA61MKMb7C/1/overview

Qwen-72B-Chat

该模型是是通义千问大模型系列的 720 亿参数规模的模型。

直接使用 : https://openbayes.com/console/public/models/IyhI1wCMCvU/1/overview

Qwen-72B-Chat-Int4

该模型为 Qwen-72B-Chat 的 Int4 量化模型。

直接使用 : https://openbayes.com/console/public/models/XVAkUec0H5e/1/overview

Qwen-72B-Chat-Int8

该模型为 Qwen-72B-Chat 的 Int8 量化模型。

直接使用: https://openbayes.com/console/public/models/LEnvRTil8Xe/1/overview

优质教程精选

1. 在线运行通义千问 Qwen1.5-MoE

Qwen1.5-MoE-A2.7B 是通义千问团队推出 Qwen 系列的首个 MoE 模型,该教程为其 Demo 容器,一键克隆即可使用 Gradio 链接体验大模型。

在线运行: https://openbayes.com/console/public/tutorials/1xfftSx42TR

2. Qwen-14B-Chat-Int4 模型 Gradio Demo

该教程为 Qwen-14B-Chat-Int4 的 Demo 容器,一键克隆即可使用 Gradio 链接体验大模型。

在线运行: https://openbayes.com/console/public/tutorials/hqe2P86oMDA

3. Qwen-1.8B-Chat-API-FT 模型 Demo

本教程主要演示了如何运行通义千问 Qwen-1.8B-Chat 模型,以及进行微调的主要流程。

在线运行: https://openbayes.com/console/public/tutorials/C8OUoAlBR1m

4. Qwen-72B-Chat-Int4 模型 Gradio Demo

该教程为 Qwen-72B-Chat-Int4 的 Demo 容器,一键克隆即可使用 Gradio 链接体验大模型。

在线运行: https://openbayes.com/console/public/tutorials/Gr4tiYYq24K

5. 在线运行 Yi-34B-Chat 的量化模型

本教程主要演示了使用 LlamaEdge 运行 Yi-34B-Chat 的量化模型的主要流程。

在线运行: https://openbayes.com/console/public/tutorials/v6ZVAzejUCM

6.在线运行金融大模型 Deepmoney-34B-full

Deepmoney 是一个专注于金融领域投资的大型语言模型项目。Deepmoney-34B-full 是基于 Yi-34B-200K 模型进行训练的,分为 pt(全参数训练)和 sft (lora 微调) 两个阶段。现可在超神经官网一键克隆使用。

在线运行: Deepmoney-34B-full
https://openbayes.com/console/public/tutorials/uBYYEnxdpce

7. 一键运行 Yi-9B Demo

Yi-9B 是目前 Yi 系列模型中代码和数学能力最强的模型,该教程为 Yi-9B 的 Demo 容器。

在线运行: https://openbayes.com/console/public/tutorials/BitjtzfuNLb

8. 快速部署 ChatGLM2-6B

该教程为 ChatGLM2-6B 的 Demo 容器,一键克隆即可使用 Gradio 链接体验大模型。

在线运行: https://openbayes.com/console/public/tutorials/KD5azt9z9tn

以上就是大模型编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区, 致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

  • 为 1200+ 公开数据集提供国内加速下载节点

  • 收录 300+ 经典及流行在线教程

  • 解读 100+ AI4Science 论文案例

  • 支持 500+ 相关词条查询

  • 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

19个大模型常用的评估数据集和训练数据集汇总 19个大模型常用的评估数据集和训练数据集汇总 名称 简介 测试(数据量) 训练(数据量) 地址 CEval 中文选择题测试,包括中学、高中、大学的多个学科 √,13948 × https://huggingface.co/datasets/ceval/ceval-exam GSM8K 小学数学题目,通过最后的数字检测正确与否 √,1320 √,8790 h 阅读详情

相关推荐

大模型常用的预训练数据集

此外,该数据集针对不同需求,发布了多个子版本:en(英文数据,806G),en.noclean(未清洗的原始数据,6T),realnewslike(仅包含 Real News 涉及的领域的内容,36G),webtextlike(仅包含来自 Open WebText 中URLs 的内容,17G)和 multilingual (多语言数据,38T)。值得注意的是,该数据集内部充斥着大量的噪声和低质量数据,在使用前必须进行有效的数据清洗,以确保数据质量和准确性,常用的自动清洗工具有 CCNet 等。

weixin_43961909的博客 5273

收藏丨30个大语言模型训练相关的数据集分享

更多数据集,请访问OpenDataLab官网

OpenDataLab的博客 8557

手把手教你用WKT文件在Petrel中创建自定义坐标系统(附CGCS2000转换模板)

本文详细介绍了如何在Petrel软件中利用WKT文件创建自定义坐标系统,并重点提供了CGCS2000坐标系的完整转换模板与实战步骤。通过解析坐标系统的三大支柱(大地坐标系、投影坐标系、基准转换)和WKT文件结构,指导用户从零开始构建适用于本土化项目的坐标系统,确保地质建模与空间数据处理的精度与一致性。

gpt4scribbler的博客 280

大模型数据集全面综述:770+TB大小涵盖预训练、微调、偏好对齐、评估、特定任务!

发布时间:“X”表示未知月份。公开与否:“All”表示完全开源;“Partial”表示部分开源;“Not”表示不开源。“许可证”表示该语料库遵循某种协议。如果该语料库是基于其他语料库构建的,那么源语料库的许可证也必须遵守。

m0_59163425的博客 7013

国标GB28181视频平台EasyGBS国标平台设备播放断流现象的问题解决方案

于是排查代码发现,当设备网络较差时,设备会断流,超过指定的时间30s(EasyGBS平台默认值),就会主动清除流媒体服务,但是redis中的流数据还在,而当设备在录像时,自动保活会从redis中取保活流数据,所以就会出现设备状态显示正在播放,但是流已经消失的情况。有用户反馈,在安防视频监控EasyGBS运行时,接入的设备刚开始可以正常播放,开启云端录像后,也没有停止和重播的操作,但是出现了视频流断流的现象。在设备进行播放保活时,对流信息进行判断,添加一个最后的处理流时间,如果超过指定时间就自动重新拉流。

EasyNTS的博客 437

vivado2020.2安装教程:Windows平台完整指南

手把手带你完成vivado2020.2安装教程,覆盖下载、配置到验证全过程,解决常见安装问题,确保在Windows平台顺利部署开发环境,适合初学者快速上手。

weixin_42607969的博客 1351

大数据文摘 | 30 个优质 NLP 数据集和模型,一键使用 8 个 demo| 超全大模型资源汇总(建议收藏!)

近两年来,大模型的热度持续高涨,并且开始在更广泛的领域进行落地探索。随着行业整体的快速发展,越来越多的开源大模型涌入市场,进一步推动了上层应用的拓展。对于开发者而言,挑选优质大模型和数据集对其后续的研发、模型微调至关重要。进来看看吧!

csdn_xmj的博客 1605

【系统架构设计师-2026上半年真题】案例分析-参考答案及详解(回忆版)

架构评估与设计:通过入侵检测系统的案例分析,阐述质量属性(性能/可用性/安全性/可修改性)的匹配方法,推荐管道-过滤器风格处理实时数据流,并设计8个核心构件实现数据采集到告警的全流程处理。 高并发优化方案: 分析悲观锁(排他锁/共享锁)与乐观锁的特性差异,提出乐观锁通过版本号/CAS实现,悲观锁适用于强一致性场景。 给出Redis优化三手段:分布式锁控制临界资源、Lua脚本保证原子操作、热点数据多级缓存,结合消息队列削峰填谷。 分层架构实践: 智

数据知道的博客 1695

超全大模型资源汇总|30 个优质 NLP 数据集和模型,一键使用 8 个 demo,建议收藏!...

近两年来,大模型的热度持续高涨,并且开始在更广泛的领域进行落地探索。随着行业整体的快速发展,越来越多的开源大模型涌入市场,进一步推动了上层应用的拓展。对于开发者而言,挑选优质大模型和数据集对其后续的研发、模型微调至关重要。为了方便大家选择并下载适配开发需求的模型与数据集,HyperAI超神经为大家汇总了大模型相关资源:* 优质公共数据集:15 个* 优质开源模型:15 个*优质教程精选:8 个获...

fengdu78的博客 1346

基于深度学习的柠檬等级检测系统 —— YOLOv8 + UI界面 + 数据集

本项目的目标是构建一个柠檬等级检测系统,通过深度学习模型自动检测柠檬的等级。自动检测柠檬等级:通过图像中的柠檬特征,自动判断其成熟度和质量。实时视频检测:通过摄像头实时监控柠檬的质量等级。用户友好的UI界面:为用户提供简洁直观的操作界面,支持图像上传、实时视频检测等功能。本项目展示了如何基于YOLOv8模型开发一个柠檬等级检测系统,结合PyQt5实现了用户友好的UI界面。通过该系统,用户可以快速上传柠檬图像并自动识别其等级,极大提升了检测效率和准确性。数据集的扩展。

YOLO 1114

GStreamer —— 2.1、Windows搭建GStreamer环境,Qt加载GStreamer库后运行 - “教程1:Hello world!“(附:完整源码)

GStreamer —— 2、Windows搭建GStreamer环境,Qt加载GStreamer库后运行"教程1:Hello world!"

798

建议收藏!3个月AI大模型快速学习路线,小白也能从入门到实战

三个月时间,不足以让你吃透大模型所有细节,但足以帮你搭建完整、系统、可落地的学习框架。学完这套路线,你将具备独立理解、使用、微调主流大模型的能力,真正从入门者变成具备实战能力的AI学习者。

ytt0523_com的博客 391

tsmc12: m0po max length问题(H384.M0_PO.L.1)

手动调整可以挪cell,制造上下两个row相对的至少一个site的空间,通过插普通filler来解决,这里需要注意的是,tsmc12有via0的规则,需要让via0落在via0 grid上。在pt eco之后会有一些m0po max length问题出现,大部分问题都可以通过替换decap来解决,少部分由于局部density过高,需要手动调整。更多学习内容请关注「拾陆楼」知识星球。#ICC2中替换decap的参考脚本。

m0_61544122的博客 792

自然语言处理有用的网站收藏

作为NLP学习者,整理了最实用、最权威的NLP相关网站,涵盖学习、工具、数据、论文等各个方面。

数据知道的博客 3万+

Qt/C++ 音视频开发: 共享解码线程/重复利用解码/极低CPU占用/画面同步/进度同步

通过共享解码线程和重复利用解码技术,可以显著降低CPU占用,提高多媒体应用的性能。同时,画面和进度同步技术保证了视频播放过程的平滑体验。

走向CTO的路上... 998

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

程序员转行AI大模型领域全攻略:超全面超详细的爆肝学习路线,一文收藏搞定!

文章强调学习AI不应过度关注硬件配置,而应直接实践。作者通过自身经历说明,利用普通电脑和云服务,两个月即可入门AI开发。现在AI技术入门环境优越,有丰富教程和一键部署,学习难度远低于过去。现代人注意力分散是主要障碍,建议不必纠结昂贵设备,跟随教程实践,快速掌握AI技术。

2401_84494441的博客 824

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

【NLP】AI相关比赛汇总(2022)

主要查找的是国内的一些比赛平台。以往举办的一些平台不能够访问的,或者比赛列表中近年来没有相关比赛的就没有放上去。读者可以根据自己的喜好选择合适自己的平台进行学习和演练,好运哦。当然,以上平台也是从互联网中查找的也不一定全面,欢迎补充。......

让算法融入生活,改变生活! 4089

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

3年Java程序员转行做AI大模型,自学成功上岸_java转ai难吗

我从事 java 3年左右开始转AI大模型,现在自觉也还在过程中。前排提示,文末有大模型AGI-优快云独家资料包哦!我的路径相对曲线。我首先到了一个AI相关工作的部门做 java 工程,偏AI产品包装落地。这个部门本身不负责算法,基都是工程相关的同学,但接触算法的机会非常多。运气比较好,做的产品自主研发的基础算法还比较多,不是单纯包装API。算法是偏图形学,我也学习了一些opencv的东西,对图形图像入了个门。这个过程差不多半年。后来我就一直在自学深度学习的东西,买了tf的书和深度学习理论的书看。

HUANGXIN9898的博客 1368

收藏!AI时代传统程序员该怎么转?2026大模型高薪方向全梳理

对于正在迷茫择业、想转行提升,或是刚入门的程序员、编程小白来说,有一个问题几乎人人都在问:未来10年,什么领域的职业发展潜力最大?答案只有一个:人工智能(尤其是大模型方向)当下,人工智能行业正处于爆发式增长期,其中大模型相关岗位更是供不应求,薪资待遇直接拉满——字节跳动作为AI领域的头部玩家,给硕士毕业的优质AI人才(含大模型相关方向)开出的月基础工资高达5万—6万元;即便是非“人才计划”的普通应聘者,月基础工资也能稳定在4万元左右。

python12345_的博客 998

AI大模型学习路线实战指南:从入门到精通的系统化路径与优质视频资源推荐

数据清洗三大陷阱未处理特殊符号(如HTML标签)中英文混输时空格处理不一致测试集数据泄露到训练集超参数调优黄金区间学习率:大模型通常在1e-5到5e-5之间Batch Size:根据GPU显存尽可能调大Warmup Steps:总step数的10%左右监控指标必选项GPU利用率(nvidia-smi)显存占用(torch.cuda.memory_allocated)请求延迟(Prometheus+Grafana)基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。

2600_94960073的博客 318

大模型系统化学习路线

大模型入门学习路线

君鼎的博客 945

AI大模型学习视频资源整理与百度云高效使用指南

基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。架构理解:掌握实时语音应用的完整技术链路(ASR→LLM→TTS)技能提升:学会申请、配置与调用火山引擎AI服务定制能力:通过代码修改自定义角色性格与音色,实现“从使用到创造”从0到1构建生产级别应用,脱离Demo,点击打开。

2600_94959874的博客 954

OpenBayes 一周速览|Apple 开源大模型 OpenELM 上线;字节发布 COCONut 首个全景图像分割数据集,入选 CVPR2024

本教程将介绍如何加载 CSV 数据集,定义多层感知器模型,并在 PyTorch 中进行训练和评估,为创建深度学习神经网络模型提供指导。COCONut 是由字节跳动发布的首个大规模人工标注的全景图像分割数据集,包含约 383K 个图像和 518 万个经过人工标注的全景分割掩码。该数据集包含 15.6 万条安徽电信问答数据,包括用户提问、网友回答、最佳回答,数据集来源为百度知道,适用于 FAQ 问答系统。该数据集包括了四个领域的中文评论:笔记本电脑、汽车、相机和手机,可被用作于自然语言处理中情感分类任务。

OpenBayes的博客 730

NLP如何入门?这里有一份经典资源汇总

本文来自AI新媒体量子位(QbitAI) 自然语言处理入门该上什么课,看什么书,有哪些工具可用?Medium作者Melanie Tosik汇总了一份资源,量子位节选了其中的课程、库、教材部分,并进行了简单的说明。 在线课程 斯坦福大学自然语言处理入门课程 教师:Dan Jurafsky & Chris Manninghttps://www...

weixin_33719619的博客 198

OpenBayes 一周速览|COIG-CQIA 「弱智吧」数据集上线、在线体验通义千问首个 MoE 模型

该数据集涵盖了 2 万个各式各样的事实问题,这些问题涉及到不同的来源、时间线、领域、地区和语言,可用于测试 LLMs 在多事实推理、处理结构化与非结构化知识、识别细微事实差异以及抵御对抗性示例等方面的能力。COIG-CQIA 是一个开源的高质量中文指令微调数据集,数据来源不仅有问答社区(如知乎、思否、豆瓣、小红书、弱智吧等等),还有维基类的知识平台,各种类型的考试资料,以及现存的 NLP 数据集。该数据集为番茄叶病图像检测数据集,图像分为以下几类:健康、细菌斑、早疫病、健康、晚疫病、叶霉病、目标点和黑点。

OpenBayes的博客 1340
上一篇: 优于五大先进模型,浙江大学杜震洪团队提出 GNNWLR 模型:提升成矿预测准确性
下一篇: 有效识别 63 万个三维空间构型,清华大学牵头发布 Uni-MOF 模型,预测 MOF 吸附能力
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值