大模型时代，数据为王，在哪里寻找开源数据集，是一个比较头疼的问题。经过调研整理，下面列出了目前可以寻找开源大模型数据集的网站清单。
1、HuggingFace开源数据集
链接：https://huggingface.co/datasets
镜像：https://hf-mirror.com/datasets
2、OpenDataLab开源数据集
链接：https://opendatalab.com/
3、AWS亚马逊开源数据集
链接：https://registry.opendata.aws/
4、微软开源数据集
链接：https://www.microsoft.com/en-us/research/tools/
5、谷歌开源数据集
链接：https://datasetsearch.research.google.com/
6、GitHub开源数据集
链接：https://github.com/awesomedata/awesome-public-datasets
7、ModelScope开源数据集
链接：https://modelscope.cn/datasets
8、LUGE千言开源数据集
链接：https://www.luge.ai/
9、TIANCHI天池开源数据集
链接：https://tianchi.aliyun.com/dataset/
10、kaggle开源数据集
链接：https://www.kaggle.com/datasets
11、UCI开源数据集
链接：https://archive.ics.uci.edu/datasets
12、计算机视觉开源数据集
链接：https://visualdata.io/discovery
13、Dataju聚数力开源数据集
链接：http://dataju.cn/Dataju/web/home
14、Hyper超神经开源数据集
链接：https://hyper.ai/datasets
15、BAAI开源数据集
链接：https://data.baai.ac.cn/data
16、百度飞桨开源数据集
链接：https://aistudio.baidu.com/datasetoverview
17、payititi帕衣提提开源数据集
链接：https://www.payititi.com/opendatasets/
18、启智开源数据集
链接：https://openi.pcl.ac.cn/explore/datasets
19、和鲸开源数据集
链接：https://www.heywhale.com/home/dataset
希望以上开源数据集网站清单，能对您训练大模型有所帮助，持续关注开源数据集，为持续大模型输送语料。————————————————
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 原文链接：https://blog.csdn.net/qq_34144750/article/details/134884871