AI开发平台ModelArtsAI开发平台ModelArts

计算
弹性云服务器 ECS
裸金属服务器 BMS
云手机 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器 HECS
VR云渲游平台 CVR
特惠算力专区
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属企业存储服务
云存储网关 CSG
专属分布式存储服务 DSS
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘小站 IES
智能边缘平台 IEF
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
园区智能体 CampusGo
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
视频分析服务 VAS
语音交互服务 SIS
知识图谱 KG
人证核身服务 IVS
IoT物联网
设备接入 IoTDA
设备管理 IoTDM(联通用户专用)
全球SIM联接 GSL
IoT开发者服务
IoT数据分析
车联网服务 IoV
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
开发与运维
软件开发平台 DevCloud
项目管理 ProjectMan
代码托管 CodeHub
流水线 CloudPipeline
代码检查 CodeCheck
编译构建 CloudBuild
部署 CloudDeploy
云测 CloudTest
发布 CloudRelease
移动应用测试 MobileAPPTest
CloudIDE
Classroom
开源镜像站 Mirrors
应用魔方 AppCube
云性能测试服务 CPTS
应用管理与运维平台 ServiceStage
云应用引擎 CAE
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
资源管理服务 RMS
应用身份管理服务 OneAccess
区块链
区块链服务 BCS
可信跨链服务 TCS
智能协作
IdeaHub
开发者工具
SDK开发指南
API签名指南
DevStar
HCloud CLI
Terraform
Ansible
API问题定位指导
云生态
云市场
合作伙伴中心
华为云培训中心
其他
管理控制台
消息中心
产品价格详情
系统权限
我的凭证
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
应用编排服务 AOS
多云容器平台 MCP
基因容器 GCS
容器洞察引擎 CIE
云原生服务中心 OSC
容器批量计算 BCE
容器交付流水线 ContainerOps
应用服务网格 ASM
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB (for openGauss)
云数据库 GaussDB(for MySQL)
云数据库 GaussDB NoSQL
数据管理服务 DAS
数据库和应用迁移 UGO
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据湖治理中心 DGC
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
API网关 APIG
分布式缓存服务 DCS
分布式消息服务RocketMQ版
企业应用
域名注册服务 Domains
云解析服务 DNS
云速建站 CloudSite
网站备案
华为云WeLink
会议
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMAExchange
API全生命周期管理 ROMA API
安全与合规
安全技术与应用
DDoS防护 ADS
Web应用防火墙 WAF
云防火墙 CFW
应用信任中心 ATC
企业主机安全 HSS
容器安全服务 CGS
云堡垒机 CBH
数据库安全服务 DBSS
数据加密服务 DEW
数据安全中心 DSC
云证书管理服务 CCM
SSL证书管理 SCM
漏洞扫描服务 VSS
态势感知 SA
威胁检测服务 MTD
管理检测与响应 MDR
安全治理云图 Compass
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
专属云
专属计算集群 DCC
解决方案
高性能计算 HPC
SAP
游戏云
混合云灾备
华为工业云平台 IMC
价格
成本优化最佳实践
专属云商业逻辑
用户服务
帐号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
更新时间:2021-11-17 GMT+08:00
分享

创建数据集

在ModelArts进行数据管理时,首先您需要创建一个数据集,后续的操作,如标注数据、导入数据、数据集发布等,都是基于您创建的数据集。

当前ModelArts同时存在新版数据集和旧版数据集。

新版数据集在旧版的基础上将创建数据集和创建标注任务进行了解耦,创建数据集和创建标注作业分别是独立的任务,使用更灵活。

本文档主要介绍新版数据集创建流程。旧版数据集创建,请参考创建数据集(旧版)

前提条件

  • 数据管理功能需要获取访问OBS权限,在未进行委托授权之前,无法使用此功能。在使用数据管理功能之前,请前往“全局配置”页面,使用委托完成访问授权。
  • 已创建用于存储数据的OBS桶及文件夹。并且,数据存储的OBS桶与ModelArts在同一区域。当前不支持OBS并行文件系统,请选择对象存储。

操作步骤

  1. 登录ModelArts管理控制台,在左侧菜单栏中选择“数据管理> 数据集”,单击“前往新版”,进入新版“数据集”管理页面。
    图1 进入新版数据集
  2. 单击“创建数据集”,进入“创建数据集”页面,根据数据类型以及数据标注要求,选择创建不同类型的数据集。
    1. 填写数据集基本信息,数据集的“名称”“描述”“数据格式”“数据类型”“数据集输出位置”。ModelArts目前支持的类型及其说明请参见数据集的类型
      图2 数据集基本信息
    2. 基本信息填写完成后,单击“下一步”,填写数据集的数据输入信息,选择“导入路径”、“数据标注状态”、和数据“标注格式”。
      针对不同类型的数据集,数据输入支持的标注格式不同,ModelArts目前支持的标注格式及其说明请参见数据接入简介
      图3 选择数据格式和数据类型
    3. 参数填写无误后,单击页面右下角“创建”

      数据集创建完成后,系统自动跳转至数据集管理页面,针对创建好的数据集,您可以执行数据导入、发布、修改、删除、数据处理、数据标注、数据特征、版本管理和导出操作。

      不同类型数据集,支持的操作请参见不同类型数据集支持的功能

文件型(图片、音频、文本、视频、自由格式)

表1 数据集的详细参数

参数名称

说明

数据集输出位置

选择数据集输出位置的OBS路径,此位置会存放输出的标注信息等文件。

说明:

“数据集输出位置”不能与“数据输入路径”为同一路径,且不能是“数据输入路径”的子目录。

“数据集输出位置”建议选择一个空目录。

导入路径

选择需要导入数据的OBS路径,此位置会作为数据集的数据存储路径。

说明:

创建数据集时,此OBS路径下的数据会导入数据集,后续若直接在OBS中修改数据,会造成数据集的数据与OBS的数据不一致,可能导致部分数据不可用。如果需要在数据集中修改数据,建议使用同步数据源或4章节OBS目录导入操作功能。

数据标注状态

选择数据的标注状态,分为“未标注”和“已标注”。

选择“已标注”时,需指定标注格式,并保证数据文件满足相应的格式规范,否则可能存在导入失败的情况。

仅图片(物体检测、图像分类、图像分割)、音频(声音分类)、文本(文本分类)类型的标注任务支持导入已标注数据。

表格型(表格)

图4 表格类型的参数

使用CSV文件时,需要注意以下两点:

  • 当数据类型选择String时,默认会把双引号内的数据当作一条,所以同一行数据需要保证双引号闭环,否则会导致数据过大,无法显示。
  • 当CSV文件的某一行的列数与定义的Schema不同,则会忽略当前行。
表2 数据集的详细参数

参数名称

说明

数据集输出位置

选择表格数据存储路径(OBS路径),此位置会存放由数据源导入的数据。此位置不能和OBS数据源中的文件路径相同或为其子目录。

创建表格数据集后,在存储路径下会自动生成以下4个目录。

  • annotation:版本发布目录,每次发布版本,会在此目录下生成和版本名称相同的子目录。
  • data:数据存放目录,导入的数据会放在此目录。
  • logs:日志存放目录。
  • temp:临时工作目录。

数据源(“OBS”

  • “文件路径”:单击输入框右侧按钮,可打开当前帐号下的所有OBS桶,请选择需要导入的数据文件所在目录。
  • “导入是否包含表头”:开启表示导入文件包含表头,此时会将导入文件的第一行作为列名,否则会添加默认列名,自动填写在Schema信息中。

OBS的详细功能说明,请参见《OBS用户指南》。

数据源(“DWS”

  • “集群名称”:系统自动将当前账号下的DWS集群展现在列表中,您可以在下拉框中选择您所需的DWS集群。
  • “数据库名称”:根据选择的DWS集群,填写数据所在的数据库名称。
  • “表名称”:根据选择的数据库,填写数据所在的表。
  • “用户名”:输入DWS集群管理员用户的用户名。
  • “密码”:输入DWS集群管理员用户的密码。

DWS的详细功能说明,请参见《DWS用户指南》。

说明:

从DWS导入数据,需要借助DLI的功能,如果用户没有访问DLI服务的权限,需根据页面提示创建DLI的委托。

数据源(“DLI”

  • “队列名称”:系统自动将当前帐号下的DLI队列展现在列表中,您可以在下拉框中选择您所需的队列。
  • “数据库名称”:根据选择的队列展现所有的数据库,请在下拉框中选择您所需的数据库。
  • “表名称”:根据选择的数据库展现此数据库中的所有表。请在下拉框中选择您所需的表。

DLI的详细功能说明,请参见《DLI用户指南》。

数据源(“MRS”

  • “集群名称”:系统自动将当前帐号下的MRS集群展现在此列表中,但是流式集群不支持导入操作。请在下拉框中选择您所需的集群。
  • “文件路径”:根据选择的集群,输入对应的文件路径,此文件路径为HDFS路径。
  • “导入是否包含表头”:开启表示导入时将表头同时导入。

MRS的详细功能说明,请参见《MRS用户指南》。

Schema信息

表格的列名和对应类型,需要跟导入数据的列数保持一致。请根据您导入的数据输入“列名”,同时选择此列的“类型”。其中支持的类型见表3

单击“添加Schema信息”,即可增加一行列。创建数据集时必须指定schema,且一旦创建不支持修改。

从OBS数据源导入数据,会自动获取文件路径下csv文件的schema,如果多个csv文件的schema不一致会报错。

表3 Schema数据类型说明

类型

描述

存储空间

范围

String

字符串

-

-

Short

有符号整数

2字节

-32768-32767

Int

有符号整数

4字节

-2147483648~2147483647

Long

有符号整数

8字节

-9223372036854775808~9223372036854775807

Double

双精度浮点型

8字节

-

Float

单精度浮点型

4字节

-

Byte

有符号整数

1字节

-128-127

Date

日期类型,描述了特定的年月日,格式:yyyy-MM-dd,例如2014-05-29

-

-

Timestamp

时间戳,表示日期和时间。格式:yyyy-MM-dd HH:mm:ss

-

-

Boolean

布尔类型

1字节

TRUE/FALSE

分享:

    相关文档

    相关产品

关闭导读