项目预览
项目数据
项目介绍
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 2026-08-09 · 当前星标 ★ 906
技术标签
使用教程
环境要求
- Python 3.9+
- 浏览器
安装与启动步骤
-
1装包
LightlyStudio 是可交互的数据集管理工具，pip 装完直接起界面。
pip install lightly-studio -
2导入数据集
支持本地文件夹与常见格式，导入后自动生成缩略图与嵌入。
-
3用嵌入筛选
按嵌入聚类找重复与异常样本，比人工翻图快得多。
-
4导出子集
筛完直接导出成新数据集，交给训练脚本。
如何确认成功
界面能加载数据集并按相似度筛选。
注意事项
- 首次导入会算嵌入，大图库耗时长，建议先在子集上试。
核心亮点
- 自动去重与筛选，能显著减少冗余数据，提升训练效率
- 内置标注工具，支持图像/文本，无需额外切换平台
- 数据版本控制，方便团队协作与实验复现
不足之处
- 项目处于早期阶段，文档和社区生态尚待完善
- 对大规模数据集的性能优化有待验证
适用场景
- 计算机视觉项目的数据清洗与标注
- NLP 数据集的整理与版本管理
- 团队协作开发 ML 模型时的数据统一管理
替代项目
Label Studio、DVC (Data Version Control)、FiftyOne
下一篇：datachain
同类项目推荐
datasets
开源
伊利诺伊大学精选数据集，Notebook 即开即用做实验
Various interesting datasets, mostly data from The University of Illinois
color-names
开源
海量颜色名称一键查，设计开发配色不再难
Large list of handpicked color names
DDR-dataset
开源
一份眼底数据，同时搞定DR分类、病灶分割与检测
A General-purpose High-quality Dataset for Diabetic Retinopathy Classification, Lesi···
Awesome-AI-Papers
开源
一站式导航，快速找到 AI 前沿论文与代码实现
This repository is used to collect papers and code in the field of AI.
apd-core
开源
公开数据集清单的元数据底座，统一收录与贡献
Core meta for awesome-public-datasets. Contribute new data here!
datasets
开源
一条命令批量下载 NCBI 基因组数据，省去手动检索。
NCBI Datasets is a new resource that lets you easily gather data from across NCBI da···
Awesome-Embodied-AI
开源
一页清单看懂具身智能，快速找到模型、数据与仿真器
Curated embodied AI list: surveys, VLA models, datasets, simulators, humanoids, robo···
spotlight
开源
从 DataFrame 交互式浏览图像音频数据集，快速筛出脏数据。
Interactively explore unstructured datasets from your dataframe.
nepali-datasets
开源
尼泊尔语AI数据一页找齐，省去全网翻找
A comprehensive, curated collection of Nepali datasets aggregated from community sou···