大家经常反馈，在日常开发过程中，找不到合适的数据来做训练。基于此，我们呕心沥血的整理了一下100+大数据集，希望助大家一臂之力，欢迎分享给更多的朋友们！
▍大学公开数据集
(Stanford)69G大规模无人机(校园)图像数据集【Stanford】
http://cvgl.stanford.edu/projects/uav_data/
人脸素描数据集【CUHK】
http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html
自然语言推理(文本蕴含标记)数据集【NYU】
https://www.nyu.edu/projects/bowman/multinli/
Berkeley图像分割数据集BSDS500【Berkeley】
https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html
宠物图片(分割)数据集【Oxford】
http://www.robots.ox.ac.uk/~vgg/data/pets/
发布ADE20K场景感知/解析/分割/多目标识别数据集【MIT】
https://groups.csail.mit.edu/vision/datasets/ADE20K/
多模态二元行为数据集【GaTech】
http://www.cbi.gatech.edu/mmdb/
▍计算机视觉／图像／视频数据集
Fashion-MNIST风格服饰图像数据集【肖涵】
https://github.com/zalandoresearch/fashion-mnist
大型(50万)LOGO标志数据集
https://data.vision.ee.ethz.ch/cvl/lld/
4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】
http://dfaust.is.tue.mpg.de
基于MNIST的视觉计数合成数据集Counting MNIST
http://fomoro.com/tools/counting-mnist/
YouTube MV视频数据集【Keunwoo Choi】
https://github.com/keunwoochoi/YouTube-music-video-5M
计算机视觉合成数据集/工具大列表【unrealcv】
https://github.com/unrealcv/synthetic-computer-vision
动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】
http://cvml.ist.ac.at/AwA2/
日本漫画数据集Manga109
http://dl.acm.org/citation.cfm?doid=3011549.3011551
俯拍舞蹈视频数据集
http://homepages.inf.ed.ac.uk/rbf/CEILIDHDATA/
Pixiv(着色)图片数据集【Jerry Li】
https://github.com/jerryli27/pixiv_dataset
e-VDS视频数据集
https://engineering.purdue.edu/elab/eVDS/#download
Quick, Draw!简笔画涂鸦数据集
https://github.com/googlecreativelab/quickdraw-dataset
简笔画涂鸦数据集【hardmaru】
https://github.com/hardmaru/sketch-rnn-datasets
服饰人像生成模型(&Chictopia10K[HumanParsing]时尚人像解析数据集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】
http://files.is.tue.mpg.de/classner/gp/
COCO像素级标注数据集
https://github.com/nightrome/cocostuff
大规模街道级图片(分割)数据集【Peter Kontschieder】
http://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html
大规模日语图片描述数据集
https://github.com/STAIR-Lab-CIT/STAIR-captions
Cityscapes街景语义分割数据集（50城30类5k细标20k粗标图片及标记视频）
https://github.com/mcordts/cityscapesScripts
(街头)时尚服饰数据集(2000+标注图片)
https://github.com/bearpaw/clothing-co-parsing
PyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】
https://github.com/bodokaiser/piwise
Twenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】
https://www.re-work.co/blog/the-something-something-video-dataset
▍文本／评价／问答／自然语言数据集
(20万)英文笑话数据集【TaivoPungas】
https://github.com/taivop/joke-dataset
机器学习保险行业问答开放数据集【HainWang】
https://github.com/shuzi/insuranceQA
保险行业问答(QA)数据集【Minwei Feng】
https://github.com/shuzi/insuranceQA
Stanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】
https://github.com/keunwoochoi/YouTube-music-video-5M
实体/名词语义关系标记数据集【David S. Batista】
https://github.com/davidsbatista/Annotated-Semantic-Relationships-Datasets
NLVR：自然语言基础数据集(对象分组、数量、比较及空间关系推理)
http://lic.nlp.cornell.edu/nlvr/
2.8万文章/10万问题大规模(英语考试)阅读理解数据集
https://github.com/qizhex/RACE_AR_baselines
错误拼写数据集
http://www.dcs.bbk.ac.uk/~ROGER/corpora.html
文本简化数据集
http://www.cs.pomona.edu/~dkauchak/simplification/
英语词/句/语义框架框架标注数据集FrameNet
https://framenet.icsi.berkeley.edu/fndrupal/
(又一个)自然语言处理(NLP)数据集列表【Nicolas Iderhoff】
https://github.com/niderhoff/nlp-datasets
跨语种/多样式/多粒度文本相似性检测数据集
https://github.com/FerreroJeremy/Cross-Language-Dataset
Quora数据集：400000行潜在重复问题
http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv
文本分类数据集
http://disi.unitn.it/moschitti/corpora.htm
Frames：Maluuba对话数据集
https://datasets.maluuba.com/Frames/dl
跨域(Amazon商品评论)情感数据集
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
语义网机器学习系统评价/基准数据集集合
http://dws.informatik.uni-mannheim.de/en/research/a-collection-of-benchmark-datasets-for-ml
▍Kaggle
书籍推荐数据集(goodreads/上万图书/百万评价)
https://www.kaggle.com/zygmunt/goodbooks-10k
带有预期点数和获胜概率的NFL比赛详情数据集(2009-2016)
https://www.kaggle.com/maxhorowitz/nflplaybyplay2009to2016
HackerNews数据集(2006年以来约1/4文章)
https://www.kaggle.com/hacker-news/hacker-news-corpus
酒店评价数据集
https://www.kaggle.com/datafiniti/hotel-reviews
1950年以来NBA球员状态&表现数据集
https://www.kaggle.com/drgilermo/nba-players-stats
开普勒太空望远镜深空星球光强时序数据集
https://www.kaggle.com/keplersmachines/kepler-labelled-time-series-data
巴基斯坦无人机袭击数据集(2004-2016)
https://www.kaggle.com/zusmani/pakistandroneattacks
墨尔本房屋市场数据集
https://www.kaggle.com/anthonypino/melbourne-housing-market
1789-2016历任美国总统签署行政命令数据集
https://www.kaggle.com/nationalarchives/executive-orders
来自Stack Overflow平台的Python语言问答数据集
https://www.kaggle.com/stackoverflow/pythonquestions
来自Stack Overflow品台的R语言问答数据集
https://www.kaggle.com/stackoverflow/rquestions
每日海冰范围数据集
https://www.kaggle.com/nsidcorg/daily-sea-ice-extent-data
NIPS(1987-2016)论文数据集
https://www.kaggle.com/benhamner/nips-papers
▍其它数据集
数据科学/机器学习数据集汇总
https://elitedatascience.com/datasets
CORe50：连续目标识别数据集【VincenzoLomonaco&DavideMaltoni】
https://vlomonaco.github.io/core50/
(Matlab)数据集统计分布自动发现【Isabel Valera】
http://proceedings.mlr.press/v70/valera17a.html
(建筑物)损害评估数据集【tsunami】
https://github.com/faiton713/ABCDdataset
IndieWeb社交图谱数据集【IndieWeb】
http://www.indiemap.org
DeepMind开源环境/数据集/代码集合【DeepMind】
https://deepmind.com/research/open-source/
鸟叫声数据集【xeno-canto】
http://www.xeno-canto.org
Wolfram数据集仓库
https://datarepository.wolframcloud.com
大型音乐分析数据集FMA
https://github.com/mdeff/fma
(300万)Instacart在线杂货购物数据集【Jeremy Stanley】
https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2
用于欺诈检测的合成财务数据集【TESTIMON】
https://www.kaggle.com/ntnu-testimon/paysim1
NSynth：大规模高质量音符标记音频数据集
https://magenta.tensorflow.org/datasets/nsynth
LIBSVM格式分类/回归/多标签/字符串数据集
https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html
笔记本电脑用logistic回归拟合100G数据集【DmitriySelivanov】
http://dsnotes.com/post/2017-02-07-large-data-feature-hashing-and-online-learning-part-2/
StackExchange近似/重复问题数据集
http://nlp.cis.unimelb.edu.au/resources/cqadupstack/
2010-2017最全KDD CUP赛题回顾及数据集
http://suo.im/2kRoQ1
食谱数据集：带有评级、营养及类别信息的超过2万种食谱【HugoDarwood】
https://www.kaggle.com/hugodarwood/epirecipes
奥斯卡数据集【Academy of Motion Picture Arts and Sciences】
https://www.kaggle.com/theacademy/academy-awards
计算医疗库：(TensorFlow)大型医疗数据集分析与机器学习建模【AkshayBhat】
https://github.com/AKSHAYUBHAT/ComputationalHealthcare
聚类数据集
https://cs.joensuu.fi/sipu/datasets/
官方开放气候数据集
https://pan.baidu.com/s/1i52Xarb
全球恐怖袭击事件数据集【START Consortium】
https://www.kaggle.com/START-UMD/gtd
七个机器学习时序数据集
https://machinelearningmastery.com/time-series-datasets-for-machine-learning/
大型众包关系数据库自然语言查询语义解析数据集(8万+查询样本)
http://t.cn/RNMr09n
赛马赔率数据集
http://t.cn/RNf0tXN
新的YELP数据集：包含470万评论和15.6万商家
http://t.cn/RNG6JYi
JMIR数据集专刊《JMIR Data》
http://t.cn/RCIhmvS
用于评价监督机器学习算法的基准数据集
https:// github.com/EpistasisLab/penn-ml-benchmarks
人口普查收入数据集分类
https:// github.com/dformoso/sklearn-classification
日文木版印刷文字识别数据集
http://t.cn/RCZPfYB
多模态二元行为数据集
http://t.cn/RCzFn1g
(TensorFlow)AudioSet音频事件数据集分类模型
GitHub: tensorflow/models/tree/master/audioset
Facebook星际争霸游戏数据集
(TorchCraft可读/365GB/6万多场次/15亿帧画面/近5亿用户操作)
http://t.cn/R9j8AUM
机器学习论文/数据集/工具集锦(日文)
http://t.cn/RKV7x2A
机器学习公司的十大数据搜集策略
http://t.cn/R54rtvd
NLP数据集加载工具集
http://t.cn/RaYwYXl
日语相似词数据集
http://t.cn/RaVFV35
大规模人本完形填空(多选阅读理解)数据集
http://t.cn/Rac2Pey
高质量免费数据集列表
http://t.cn/R6B1aqa
《数据之美》自然语言数据集/代码
http://t.cn/hBOTM4
微软数据集MS MARCO，阅读理解领域的「ImageNet」
http://t.cn/RIMqGBK
AI2科学问答数据集(多选)
http://t.cn/RI5liwJ
- DataCastle -
