fondant 是数据集领域的开源项目，由 ml6team 开发，2023 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 359。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-09。Apache-2.0许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：构建大规模图像或文本数据集的清洗与预处理流水线。同类可对比的替代方案包括 Apache Beam、Luigi、Kubeflow Pipelines。
fondant
像搭积木一样构建生产级数据处理流水线，让数据准备高效可复用。
Fondant 是一个面向生产环境的数据处理框架，旨在简化并共享大规模数据流水线的构建。它解决了机器学习项目中数据准备阶段繁琐、重复且难以协作的问题，提供了一套声明式、可复用的组件化流水线。核心能力包括：支持从本地或云端读取多种数据格式（如图像、文本、表格），内置丰富的预处理、清洗、转换和增强组件，并允许用户自定义组件；基于数据目录和缓存机制实现高效的数据复用与增量处理；可扩展至分布式计算环境（如 Ray、Dask），以处理海量数据。通过将数据处理流程标准化和模块化，Fondant 帮助团队提升开发效率，确保数据质量，并促进数据工程与机器学习工作流的无缝集成。
开源
free
开源模型
GitHub 星标
★ 359
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队ml6team
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型data-processing,fine-tuning,foundation-models,machine-learning,pipeline,python
GitHub 星标★ 359
30天Star增速
HF 下载量
上线时间2023-03-02 00:00:00
最近更新2026-08-09 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7
使用教程
核心亮点
- 提供声明式组件化流水线，降低数据工程门槛，易于理解和维护。
- 内置多种常用数据预处理组件，并支持自定义，覆盖多种数据模态。
- 支持 Ray 等分布式后端，可弹性扩展以处理大规模数据集。
不足之处
- 项目处于早期阶段，社区生态和文档丰富度有待提升。
- 与成熟的同类框架相比，集成度和稳定性可能尚需验证。
适用场景
- 构建大规模图像或文本数据集的清洗与预处理流水线。
- 需要可复用、可共享的数据处理流程的机器学习团队协作场景。
- 从非结构化数据中提取特征并生成训练数据集的自动化流程。
替代项目
Apache Beam、Luigi、Kubeflow Pipelines
项目介绍
下一篇：RS5M
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models