文档首页> AI开发平台ModelArts> API参考> 历史API> 数据管理（旧版）> 创建数据集

更新时间：2024-05-30 GMT+08:00

查看PDF

创建数据集

功能介绍

创建数据集。

调试

您可以在API Explorer中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。

URI

POST /v2/{project_id}/datasets

表1 路径参数
参数	是否必选	参数类型	描述
project_id	是	String	用户项目ID。获取方法请参见获取项目ID和名称。

请求参数

表2 请求Body参数
参数	是否必选	参数类型	描述
data_format	否	String	数据格式。可选值如下： Default：默认格式 CarbonData：Carbon格式（仅表格数据集支持）
data_sources	是	Array of DataSource objects	数据集输入位置，用于将此目录及子目录下的源数据(如图片/文件/音频等)同步到数据集。对于表格数据集，该参数为导入目录。表格数据集的工作目录不支持为KMS加密桶下的OBS路径。目前仅支持传入单个DataSource。
dataset_name	是	String	数据集名称。
dataset_type	否	Integer	数据集类型。可选值如下： 0：图像分类 1：物体检测 3: 图像分割 100：文本分类 101：命名实体 102：文本三元组 200：声音分类 201：语音内容 202：语音分割 400：表格数据集 600：视频标注 900：自由格式
description	否	String	数据集描述，默认为空，描述不能包含^!<>=&"'等特殊字符，长度为0-256。
import_annotations	否	Boolean	是否自动导入输入目录下的标注信息，支持物体检测、图像分类、文本分类。可选值如下： true：导入输入目录下的标注信息（默认值） false：不导入输入目录下的标注信息
import_data	否	Boolean	是否导入数据，此参数当前仅表格数据集使用。可选值如下： true：创建数据集时导入数据 false：创建数据集时不导入数据（默认值）
label_format	否	LabelFormat object	标签格式信息，此参数仅文本类数据集使用。
labels	否	Array of Label objects	数据集标签列表。
managed	否	Boolean	是否是托管数据集。可选值如下： true：托管数据集 false：不托管数据集（默认值）
schema	否	Array of Field objects	Schema列表。
work_path	是	String	数据集输出位置，用于存放输出的标注信息等文件。格式为 “/桶名称/文件路径”，例如“/obs-bucket/flower/rose/”（使用目录作为路径）。不能直接使用桶作为路径。输出位置不能与输入位置相同或者是输入位置的子目录。长度限制：不少于3字符，不能超过700个字符。
work_path_type	是	Integer	数据集输出路径类型。默认值为0，表示OBS桶。
workforce_information	否	WorkforceInformation object	团队标注信息。
workspace_id	否	String	工作空间ID。若未创建工作空间，默认值为“0”；若存在创建并使用的工作空间，以实际取值为准。

表3 DataSource
参数	是否必选	参数类型	描述
data_path	否	String	数据源所在路径。
data_type	否	Integer	数据类型。可选值如下： 0：OBS桶（默认值） 1：GaussDB(DWS)服务 2：DLI服务 3：RDS服务 4：MRS服务 5：AI Gallery 6：推理服务
schema_maps	否	Array of SchemaMap objects	表格数据对应的schema映射信息。
source_info	否	SourceInfo object	导入表格数据源所需的信息。
with_column_header	否	Boolean	文件中首行是否是列名，用于表格数据集。可选值如下： true：文件首行为列名 false：文件首行不为列名

表4 SchemaMap
参数	是否必选	参数类型	描述
dest_name	否	String	目的方的列名。
src_name	否	String	来源方的列名。

表5 SourceInfo
参数	是否必选	参数类型	描述
cluster_id	否	String	MRS集群ID。可登录MRS控制台查看。
cluster_mode	否	String	MRS集群运行模式。可选值如下： 0：普通集群 1：安全集群
cluster_name	否	String	MRS集群名称。可登录MRS控制台查看。
database_name	否	String	导入表格数据集，数据库名字。
input	否	String	表格数据集，HDFS路径。例如/datasets/demo。
ip	否	String	用户GaussDB(DWS)集群的IP地址。
port	否	String	用户GaussDB(DWS)集群的端口。
queue_name	否	String	表格数据集，DLI队列名。
subnet_id	否	String	MRS集群的子网ID。
table_name	否	String	导入表格数据集，表名。
user_name	否	String	用户名，GaussDB(DWS)数据需提供此参数。
user_password	否	String	用户密码，GaussDB(DWS)数据需提供此参数。
vpc_id	否	String	MRS集群所在的vpc的ID。

表6 LabelFormat
参数	是否必选	参数类型	描述
label_type	否	String	文本分类的标签类型。可选值如下： 0：标签和文本分离，以固定后缀“_result”区分。如：文本文件是“abc.txt”，标签文件是“abc_result.txt”。 1：默认值，标签和文本在一个文件内，以分隔符分离。文本与标签，标签与标签之间的分隔符可通过text_sample_separator和text_label_separator指定。
text_label_separator	否	String	标签与标签之间的分隔符，默认为逗号分隔，分隔符需转义。分隔符仅支持一个字符，必须为大小写字母，数字和“!@#$%^&*_=\|?/':.;,”其中的某一字符。
text_sample_separator	否	String	文本与标签之间的分隔符，默认为Tab键分隔，分隔符需转义。分隔符仅支持一个字符，必须为大小写字母，数字和“!@#$%^&*_=\|?/':.;,”其中的某一字符。

表7 Label
参数	是否必选	参数类型	描述
attributes	否	Array of LabelAttribute objects	标签的多维度属性，如标签为“音乐”，可能包含属性“风格”、“歌手”等。
name	否	String	标签名称。
property	否	LabelProperty object	标签基本属性键值对，如颜色、快捷键等。
type	否	Integer	标签类型。可选值如下： 0：图像分类 1：物体检测 3: 图像分割 100：文本分类 101：命名实体 102：文本三元组关系标签 103：文本三元组实体标签 200：语音分类 201：语音内容 202：语音分割 600：视频标注

表8 LabelAttribute
参数	是否必选	参数类型	描述
default_value	否	String	标签属性默认值。
id	否	String	标签属性ID。可通过调用标签列表查询。
name	否	String	标签属性名称。不能超过64个字符，不能包含字符!<>=&"'。
type	否	String	标签属性类型。可选值如下： text：文本 select：单选下拉列表
values	否	Array of LabelAttributeValue objects	标签属性值列表。

表9 LabelAttributeValue
参数	是否必选	参数类型	描述
id	否	String	标签属性值ID。
value	否	String	标签属性值。

**表10** LabelProperty
参数	是否必选	参数类型	描述
@modelarts:color	否	String	内置属性：标签展示的颜色，为色彩的16进制代码，默认为空。例如：“#FFFFF0”。
@modelarts:default_shape	否	String	内置属性：物体检测标签的默认形状（物体检测标签专用属性），默认为空。可选值如下： bndbox：矩形。 polygon：多边形。 circle：圆形。 line：直线。 dashed：虚线。 point：点。 polyline：折线。
@modelarts:from_type	否	String	内置属性：三元组关系标签的起始实体类型，创建关系标签时必须指定，该参数仅文本三元组数据集使用。
@modelarts:rename_to	否	String	内置属性：重命名后的标签名。
@modelarts:shortcut	否	String	内置属性：标签快捷键，默认为空。例如：“D”。
@modelarts:to_type	否	String	内置属性：三元组关系标签的指向实体类型，创建关系标签时必须指定，该参数仅文本三元组数据集使用。

**表11** Field
参数	是否必选	参数类型	描述
description	否	String	Schema描述。
name	否	String	Schema名称。
schema_id	否	Integer	Schema ID。
type	否	String	Schema值类型。

**表12** WorkforceInformation
参数	是否必选	参数类型	描述
data_sync_type	否	Integer	同步类型。可选值如下： 0：不同步 1：同步数据 2：同步标签 3：同步数据和标签
repetition	否	Integer	每个样本由多少人标注，最少为1。
synchronize_auto_labeling_data	否	Boolean	是否同步更新智能标注数据。可选值如下： true：同步更新智能标注数据 false：不同步更新智能标注数据
synchronize_data	否	Boolean	是否同步更新：如上传文件、同步数据源、导入的未标注文件同步分配至团队成员。可选值如下： true：同步更新数据至团队成员 false：不同步更新数据至团队成员
task_id	否	String	团队标注任务ID。
task_name	是	String	团队标注任务名称。
workforces_config	否	WorkforcesConfig object	团队标注任务的人力分配，委托管理员或自行分配二选一。

**表13** WorkforcesConfig
参数	是否必选	参数类型	描述
agency	否	String	管理员。
workforces	否	Array of WorkforceConfig objects	执行标注任务的团队列表。

**表14** WorkforceConfig
参数	是否必选	参数类型	描述
workers	否	Array of Worker objects	标注成员列表。
workforce_id	否	String	标注团队ID。
workforce_name	否	String	标注团队名称，名称不能包含!<>=&"'，长度为0-1024位。

**表15** Worker
参数	是否必选	参数类型	描述
create_time	否	Long	创建时间。
description	否	String	标注成员描述，长度为0-256位，不能包含^!<>=&"'特殊字符。
email	否	String	标注成员邮箱。
role	否	Integer	角色。可选值如下： 0：打标者 1：审核者 2：团队管理者 3：数据集拥有者
status	否	Integer	标注成员的当前登录状态。可选值如下： 0：未发送邀请邮件 1：已发送邀请邮件但未登录 2：已登录 3：标注成员已删除
update_time	否	Long	更新时间。
worker_id	否	String	标注成员ID。
workforce_id	否	String	所属标注团队ID。

响应参数

状态码： 201

**表16** 响应Body参数
参数	参数类型	描述
dataset_id	String	数据集ID。
error_code	String	错误码。
error_msg	String	错误信息。
import_task_id	String	导入任务ID。

请求示例

创建图像分类的数据集

{
  "workspace_id" : "0",
  "dataset_name" : "dataset-457f",
  "dataset_type" : 0,
  "data_sources" : [ {
    "data_type" : 0,
    "data_path" : "/test-obs/classify/input/animals/"
  } ],
  "description" : "",
  "work_path" : "/test-obs/classify/output/",
  "work_path_type" : 0,
  "labels" : [ {
    "name" : "Rabbits",
    "type" : 0,
    "property" : {
      "@modelarts:color" : "#3399ff"
    }
  }, {
    "name" : "Bees",
    "type" : 0,
    "property" : {
      "@modelarts:color" : "#3399ff"
    }
  } ]
}

创建物体检测的数据集

{
  "workspace_id" : "0",
  "dataset_name" : "dataset-95a6",
  "dataset_type" : 1,
  "data_sources" : [ {
    "data_type" : 0,
    "data_path" : "/test-obs/detect/input/animals/"
  } ],
  "description" : "",
  "work_path" : "/test-obs/detect/output/",
  "work_path_type" : 0,
  "labels" : [ {
    "name" : "Rabbits",
    "type" : 1,
    "property" : {
      "@modelarts:color" : "#3399ff"
    }
  }, {
    "name" : "Bees",
    "type" : 1,
    "property" : {
      "@modelarts:color" : "#3399ff"
    }
  } ]
}

创建表格型的数据集

{
  "workspace_id" : "0",
  "dataset_name" : "dataset-de83",
  "dataset_type" : 400,
  "data_sources" : [ {
    "data_type" : 0,
    "data_path" : "/test-obs/table/input/",
    "with_column_header" : true
  } ],
  "description" : "",
  "work_path" : "/test-obs/table/output/",
  "work_path_type" : 0,
  "schema" : [ {
    "schema_id" : 1,
    "name" : "150",
    "type" : "STRING"
  }, {
    "schema_id" : 2,
    "name" : "4",
    "type" : "STRING"
  }, {
    "schema_id" : 3,
    "name" : "setosa",
    "type" : "STRING"
  }, {
    "schema_id" : 4,
    "name" : "versicolor",
    "type" : "STRING"
  }, {
    "schema_id" : 5,
    "name" : "virginica",
    "type" : "STRING"
  } ],
  "import_data" : true
}

响应示例

状态码： 201

Created

{
  "dataset_id" : "WxCREuCkBSAlQr9xrde"
}

状态码

状态码	描述
201	Created
401	Unauthorized
403	Forbidden
404	Not Found

错误码

请参见错误码。

父主题： 数据管理（旧版）

上一篇：查询数据集列表

下一篇：查询数据集详情

意见反馈

文档内容是否对您有帮助？

有帮助没帮助

提供反馈

提交成功！非常感谢您的反馈，我们会继续努力做到更好！您可在我的云声建议查看反馈及问题处理状态。

系统繁忙，请稍后重试

在使用文档中是否遇到以下问题

内容与产品页面不一致

内容不易理解

缺失示例代码

步骤不可操作

搜不到想要的内容

缺少最佳实践

意见反馈（选填）

0/500

请至少选择一项反馈信息并填写问题反馈

字符长度不能超过500

直接提交取消

如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问

创建数据集

功能介绍

调试

URI

请求参数

响应参数

请求示例

响应示例

状态码

错误码

相关文档

相关产品

意见反馈

文档内容是否对您有帮助？

7*24

备案

专业服务

退订

建议反馈

售前咨询热线