YouTube – 8M 是一个带标签的大型视频数据集，它由数百万个 YouTube 视频 ID 组成，包含的 3800 多个可视化实体注释均由机器基于词汇表生成，预先计算的特点让其可被用于单硬盘，这也意味着使用单 GPU 在该数据集上训练基线模型成为可能。 同时，数据集的规模和多样性允许用户对复杂的视听模型进行深入探索，即使是分布式训练，也需要花费数周的时间。 该数据集由 Google 于 2016 年发布。