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数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
IoT行业生态工作台
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
可信分布式身份服务
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
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
商标注册
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
认证测试中心 CTC
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
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:2021-12-06 GMT+08:00
分享

创建数据集(旧版)

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。

旧版数据集需要在创建数据集时创建标注任务,不支持分开单独创建数据集和数据标注任务。

本文档主要介绍旧版数据集创建流程。新版数据集创建,请参考创建数据集(New)

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。
  • 需要使用的数据已上传至OBS。详细指导请参见如何上传数据至OBS

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”,进入“数据集”管理页面。
  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”
      图1 数据集基本信息
    2. 根据您的需求,选择“标注场景”“标注类型”,ModelArts目前支持的类型及其说明请参见数据集的类型
      图2 选择标注场景和标注类型
    3. 针对不同类型的数据集,需填写参数不同,请参考如下类型数据集对应的参数介绍。
    4. 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,您可以执行标注数据、发布、版本管理、修改、导入和删除等操作。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列表

图片(图像分类、物体检测、图像分割)

图3 图像分类和物体检测类型的参数
表1 数据集的详细参数

参数名称

说明

数据集输入位置

选择数据集输入位置的OBS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导入操作功能。

数据集输出位置

选择数据集输出位置的OBS路径。

说明:

“数据集输出位置”不能与“数据集输入位置”为同一路径,且不能是“数据集输入位置”的子目录。“数据集输出位置”最好选择一个空目录。

添加标签集

  • 设置标签名称:在标签名称文本框中,输入标签名称。标签名称只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
  • 添加标签:单击“添加标签”可增加多个标签。
  • 设置标签颜色:仅“物体检测”类型数据集需设置此参数。在每个标签右侧的标签颜色区域下,可在色板中选择颜色,或者直接输入十六进制颜色码进行设置。
  • 设置标签属性:针对“物体检测”类型数据集,在设置完标签颜色后,可在右侧单击加号,增加对应的标签属性。标签属性用于区分同一标签物体的不同属性。例如,黄色小猫、黑色小猫。标签为cat,颜色为不同的标签属性。

启用团队标注

选择是否启用团队标注。图像分割暂不支持团队标注,当选择图像分割类型时,界面不显示此参数。

启用团队标注功能,需填写对应的团队标注任务“名称”“类型”,同时选择对应的“标注团队”及参与标注的“团队成员”。参数详细介绍请参见创建团队标注任务

在启用“团队标注”前,需确保您已经在“标注团队”管理页面,添加相应的团队以及成员。如果没有标注团队,可直接从界面链接跳转至“标注团队”页面,添加您的团队并为其添加成员。详细指导请参见团队标注简介

启用团队标注功能的数据集,在创建完成后,可以在“标注类型”中看到“团队标注”的标识。

音频(声音分类、语音内容、语音分割)

图4 声音分类、语音内容、语音分割类型数据集的参数

参数名称

说明

数据集输入位置

选择数据集输入位置的OBS路径。

数据集输出位置

选择数据集输出位置的OBS路径。

说明:

“数据集输出位置”不能与“数据集输入位置”为同一路径,且不能是“数据集输入位置”的子目录。“数据集输出位置”最好选择一个空目录。

添加标签集(声音分类)

仅“声音分类”类型的数据集需设置标签。

  • 设置标签名称:在标签名称文本框中,输入标签名称。标签名称只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
  • 添加标签:单击“添加标签”可增加多个标签。

标签管理(语音分割)

仅“语音分割”类型的数据集,支持多种标签。

  • 单标签
    单标签适用于一段音频标注只有一种类别的音频,通常标注一个标签。
    • 设置标签名称:在“标签名”列输入标签名称。标签名称只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
    • 设置标签颜色:在“标签颜色”列设置标签颜色。可在色板中选择颜色,或者直接输入十六进制颜色码进行设置。
  • 多标签
    多标签适用于多维度标注,例如在一段音频标注噪音与人说话的声音两种类别,其中说话的声音还可以标注为不同人的声音。单击“新建标签类别”可添加多个标签类别,一个标签类别可以包含多个标签。“标签类别”“标签名”只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
    • 设置标签类别:在“标签类别”输入标签类别的名称。
    • 设置标签名称:在“标签名”输入标签名称。
    • 添加标签:单击“添加标签”可增加多个标签。

启用语音内容标注(语音分割)

仅“语音分割”类型数据集支持设置,默认关闭。如果启用此功能,支持针对语音内容进行标注。

启用团队标注

仅“语音分割”类型支持团队标注,因此选择创建语音分割类型时,支持设置是否启用团队标注。

启用团队标注功能,需填写对应的团队标注任务“名称”“类型”,同时选择对应的“标注团队”及参与标注的“团队成员”。参数详细介绍请参见创建团队标注任务

在启用“团队标注”前,需确保您已经在“标注团队”管理页面,添加相应的团队以及成员。如果没有标注团队,可直接从界面链接跳转至“标注团队”页面,添加您的团队并为其添加成员。详细指导请参见团队标注简介

启用团队标注功能的数据集,在创建完成后,可以在“标注类型”中看到“团队标注”的标识。

文本(文本分类、命名实体、文本三元组)

图5 文本分类、命名实体、文本三元组类型数据集的参数
表2 数据集的详细参数

参数名称

说明

数据集输入位置

选择数据集输入位置的OBS路径。

说明:

文本分类数据只能在执行导入数据操作时识别已标注数据,在此处创建数据集时不能识别已标注数据,建议此处的OBS设置为一个空目录,创建完数据集后再导入已标注数据,导入操作的数据格式要求请参见从OBS目录导入的规范说明

数据集输出位置

选择数据集输出位置的OBS路径。

说明:

“数据集输出位置”不能与“数据集输入位置”为同一路径,且不能是“数据集输入位置”的子目录。“数据集输出位置”最好选择一个空目录。

添加标签集(文本分类、命名实体)

  • 设置标签名称:在标签名称文本框中,输入标签名称。标签名称只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
  • 添加标签:单击“添加标签”可增加多个标签。
  • 设置标签颜色:在每个标签右侧的标签颜色区域下,可在色板中选择颜色,或者直接输入十六进制颜色码进行设置。

添加标签集(文本三元组)

针对“文本三元组”类型的数据集,需要设置实体标签和关系标签。

  • 实体标签:需设置标签名以及标签颜色。可在颜色区域右侧单击加号增加多个标签。
  • 关系标签:关系标签为两个实体之间的关系。需设置起始实体和终止实体,您需要先添加至少2个实体标签后,再添加关系标签。

启用团队标注

选择是否启用团队标注。

启用团队标注功能,需填写对应的团队标注任务“名称”“类型”,同时选择对应的“标注团队”及参与标注的“团队成员”。参数详细介绍请参见创建团队标注任务

在启用“团队标注”前,需确保您已经在“标注团队”管理页面,添加相应的团队以及成员。如果没有标注团队,可直接从界面链接跳转至“标注团队”页面,添加您的团队并为其添加成员。详细指导请参见团队标注简介

启用团队标注功能的数据集,在创建完成后,可以在“标注类型”中看到“团队标注”的标识。

表格

图6 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3 数据集的详细参数

参数名称

说明

存储路径

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。

是否导入

如果您在其他云服务上存储了表格数据,可启用此功能,现支持将存储在对象存储服务(OBS)、数据湖探索(DLI)或MapReduce服务(MRS)的数据导入。

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4

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4 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

视频

图7 视频类型的参数
表5 数据集的详细参数

参数名称

说明

数据集输入位置

选择数据集输入位置的OBS路径。

数据集输出位置

选择数据集输出位置的OBS路径。

说明:

“数据集输出位置”不能与“数据集输入位置”为同一路径,且不能是“数据集输入位置”的子目录。“数据集输出位置”最好选择一个空目录。

添加标签集

  • 设置标签名称:在标签名称文本框中,输入标签名称。标签名称只能是中文、字母、数字、下划线或中划线组成的合法字符串。长度为1~32字符。
  • 添加标签:单击“添加标签”可增加多个标签。
  • 设置标签颜色:在每个标签右侧的标签颜色区域下,可在色板中选择颜色,或者直接输入十六进制颜色码进行设置。

其他(自由格式)

图8 自由格式类型数据集的参数
表6 数据集的详细参数

参数名称

说明

数据集输入位置

选择数据集输入位置的OBS路径。

数据集输出位置

选择数据集输出位置的OBS路径。

说明:

“数据集输出位置”不能与“数据集输入位置”为同一路径,且不能是“数据集输入位置”的子目录。“数据集输出位置”最好选择一个空目录。

分享:

    相关文档

    相关产品

关闭导读