YouTube-100M 数据集包含 1 亿个 YouTube 视频。其中包括 7,000 万个训练视频，1,000 万个评估视频，以及 2,000 万个验证视频。每个视频平均 4.6 分钟，总共有 540 万个训练小时。

该数据集涵盖超过 30K 个类别标注，标注是根据每个视频的元数据（标题、描述、评论等）、背景和图像内容的组合自动生成的。每个视频平均大约有 5 个标注。