Awesome-Dataset-Distillation

一页看全数据集蒸馏论文，快速入门与追新

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 186 👀 关注 39

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1981

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费资源列表

项目预览

Awesome-Dataset-Distillation 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类数据集

开发团队Guang000

官网地址https://guang000.github.io/Awesome-Dataset-Distillation

GitHubhttps://github.com/Guang000/Awesome-Dataset-Distillation

定价模式🏷️完全免费

价格说明开源免费资源列表

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言HTML

技术栈/模型awesome-list,deep-learning

GitHub 星标★ 1981

上线时间2022-06-09 00:00:00

代码更新2026-11-02

仓库体积5.3 MB

本站数据更新2026-11-05

维护状态活跃

收录时间2026-09-21

浏览次数1

项目介绍

Awesome-Dataset-Distillation 是一个系统整理数据集蒸馏（Dataset Distillation）方向论文与资源的开源清单项目。数据集蒸馏旨在把大规模训练集压缩成少量合成样本，使模型在这些合成数据上训练后仍能达到接近原始数据的性能，从而大幅降低存储、传输与训练成本。该项目汇总了该领域的经典与前沿论文、方法分类、基准结果以及相关应用，覆盖元学习、梯度匹配、分布匹配、轨迹匹配等主流技术路线，也包含持续学习、联邦学习、神经架构搜索等下游场景。对刚进入该方向的研究者，它提供了清晰的脉络和检索入口；对已有经验的研究者，它可作为跟踪最新进展的索引。项目以 HTML 形式组织，结构清晰，便于浏览和按主题跳转。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-21 · 当前星标 ★ 1981

技术标签

awesome-list deep-learning

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可正常联网的现代浏览器（Chrome/Edge/Firefox 等）
git（可选，用于把仓库克隆到本地）

安装与启动步骤

1克隆仓库

把项目克隆到本地任意目录，所需内容为仓库中的 HTML 清单文件；不克隆也可直接在线浏览。
```
git clone https://github.com/Guang000/Awesome-Dataset-Distillation.git
```
2进入项目目录

切换到克隆下来的仓库目录，便于查找其中的 HTML 文件。
```
cd Awesome-Dataset-Distillation
```
3本地打开清单

用浏览器打开目录中的 HTML 页面即可阅读论文清单，无需编译或启动服务。
```
open index.html
```
4在线访问官网

也可以直接访问官方站点，无需任何本地安装，适合只想检索论文的读者。