查询数据集列表

project_id

是

String

用户项目ID。获取方法请参见获取项目ID和名称。

check_running_task

否

Boolean

是否检测数据集中正在运行（包括初始化）的任务。可选值如下：

• true：检测数据集中正在运行（包括初始化）的任务

• false：不检测数据集中正在运行的任务（默认值）

contain_versions

否

Boolean

数据集是否包含版本。

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

file_preview

否

Boolean

查询数据集的同时是否支持预览。可选值如下：

• true：支持预览，同时返回一部分数据集文件列表，每个数据集返回4个。

• false：不支持预览（默认值）。

limit

否

Integer

指定每一页返回的最大条目数，取值范围[1,100]，默认为10。

offset

否

Integer

分页列表的起始页，默认为0。

order

否

String

指定查询的排序顺序。可选值如下：

• asc：递增排序

• desc：递减排序（默认值）

running_task_type

否

Integer

指定需要检测的正在运行任务（包括初始化）的类型。可选值如下：

• 0：自动标注

• 1：预标注

• 2：导出任务

• 3：切换版本

• 4：导出manifest

• 5：导入manifest

• 6：发布版本

• 7：自动分组

search_content

否

String

模糊匹配名称，默认为空。

sort_by

否

String

指定查询的排序方式。可选值如下：

• create_time：按创建时间排序（默认值）

• dataset_name：按数据集名称排序

support_export

否

Boolean

是否过滤只支持导出的数据集（当前仅图像分类、物体检测、自由格式三种数据集支持导出），不传该参数或参数取值为false表示不过滤。可选值如下：

• true：过滤只支持导出的数据集

• false：不过滤只支持导出的数据集（默认值）

train_evaluate_ratio

否

String

根据版本切分比例筛选数据集。例如：“0.0,1.0”，根据逗号分隔最小和最大切分比例，筛选出切分比例在此范围内的版本。说明：如果参数值为空或无该参数，系统默认不根据版本切分比例筛选数据集。

version_format

否

Integer

根据数据集发布的版本格式筛选数据集，过滤出包含符合筛选条件的数据集列表。可选值如下：

• 0：默认格式

• 1：Carbon格式（仅表格数据集支持）

• 2：CSV格式

with_labels

否

Boolean

返回数据集的标签。可选值如下：

• true：返回标签信息

• false：不返回标签信息（默认值）

workspace_id

否

String

工作空间ID。未创建工作空间时默认值为“0”，存在创建并使用的工作空间，以实际取值为准。

dataset_version

否

String

数据集版本（用于区分标注任务解耦前的数据集和解耦后的数据集）。可选值如下：

• v1：数据集与标注任务解耦前的数据集（默认值）

• v2：数据集与标注任务解耦后的数据集

• all：所有数据集

datasets

Array of DatasetAndFilePreview objects

分页查询到的数据集列表。

total_number

Integer

数据集总数，不能超过100个。

annotated_sample_count

Integer

数据集已标注的样本总数。

annotated_sub_sample_count

Integer

已标注的子样本数量。

content_labeling

Boolean

语音分割数据集是否开启内容标注，默认开启。

create_time

Long

数据集的创建时间。

current_version_id

String

数据集的当前版本ID。

current_version_name

String

数据集的当前版本名称。版本名称，必须是字母、数字、下划线或中划线组成的合法字符串，长度为1-32位。

data_format

String

数据格式。

data_sources

Array of DataSource objects

数据来源列表。

data_statistics

Map<String,Object>

数据集的样本统计信息，包括样本元信息的统计，json格式。

data_update_time

Long

样本和标签的更新时间。

data_url

String

训练所用的数据路径。

dataset_format

Integer

数据集格式。可选值如下：

• 0：文件型

• 1：表格型

dataset_id

String

数据集ID。

dataset_name

String

数据集名称。

dataset_tags

Array of strings

数据集关键标识列表，例如：["图片","物体检测"]。

dataset_type

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

dataset_version_count

Integer

数据集的版本数量。

deleted_sample_count

Integer

已删除的样本数量。

deletion_stats

Map<String,Integer>

删除原因统计信息。

description

String

数据集的描述。

enterprise_project_id

String

企业项目ID。

exist_running_task

Boolean

该数据集是否存在正在运行（包括初始化）的任务。可选值如下：

• true：数据集存在正在运行的任务

• false：数据集不存在正在运行的任务

exist_workforce_task

Boolean

数据集是否含团队标注任务。可选值如下：

• true：数据集包含团队标注任务

• false：数据集不包含团队标注任务

feature_supports

Array of strings

数据集支持的特性列表。当前只支持特性值“0”，表示限制OBS文件大小。

import_data

Boolean

是否导入数据。可选值如下：

• true：导入数据

• false：不导入数据

import_task_id

String

导入任务ID。

inner_annotation_path

String

数据集内部标注结果的保存路径。

inner_data_path

String

数据集内部数据的保存路径。

inner_log_path

String

数据集内部日志的保存路径。

inner_task_path

String

数据集内部任务路径。

inner_temp_path

String

数据集内部临时文件的保存路径。

inner_work_path

String

数据集内部的输出目录。

label_task_count

Integer

标注任务数量。

labels

Array of Label objects

数据集标签列表。

loading_sample_count

Integer

正在加载的样本数量。

managed

Boolean

是否是托管数据集。可选值如下：

• true：托管数据集

• false：非托管数据集

next_version_num

Integer

数据集下个版本数。

running_tasks_id

Array of strings

正在运行（包括初始化）任务ID列表。

samples

Array of AnnotationFile objects

样本列表。

schema

Array of Field objects

Schema列表。

status

Integer

数据集状态。当前可选值：

• 0：数据集创建中

• 1：数据集正常

• 2：数据集删除中

• 3：数据集已删除

• 4：数据集异常

• 5：数据集同步中

• 6：数据集发布中

• 7：数据集版本切换中

• 8：数据集导入中

third_path

String

第三方路径。

total_sample_count

Integer

数据集样本总数。

total_sub_sample_count

Integer

由父样本所产生的子样本总数，比如：从视频标注数据集中抽取的关键帧图片总数就是子样本总数。

unconfirmed_sample_count

Integer

智能标注待确认的标注样本数。

update_time

Long

数据集的更新时间。

versions

Array of DatasetVersion objects

数据集版本信息列表，目前仅记录数据集当前版本信息。

work_path

String

数据集输出位置，用于存放输出的标注信息等文件。此位置为OBS路径，格式为“/桶名称/文件路径”。例如：“/obs-bucket”。

work_path_type

Integer

数据集输出路径类型。默认值为0，表示OBS桶。

workforce_descriptor

WorkforceDescriptor object

团队标注信息。

workforce_task_count

Integer

数据集的团队标注任务数量。

workspace_id

String

工作空间ID。未创建工作空间时默认值为“0”，存在创建并使用的工作空间，以实际取值为准。

data_path

String

数据源所在路径。

data_type

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

Array of SchemaMap objects

表格数据对应的schema映射信息。

source_info

SourceInfo object

导入表格数据源所需的信息。

with_column_header

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

dest_name

String

目的方的列名。

src_name

String

来源方的列名。

cluster_id

String

MRS集群ID。可登录MRS控制台查看。

cluster_mode

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

String

MRS集群名称。可登录MRS控制台查看。

database_name

String

导入表格数据集，数据库名字。

input

String

表格数据集，HDFS路径。例如/datasets/demo。

ip

String

用户GaussDB(DWS)集群的IP地址。

port

String

用户GaussDB(DWS)集群的端口。

queue_name

String

表格数据集，DLI队列名。

subnet_id

String

MRS集群的子网ID。

table_name

String

导入表格数据集，表名。

user_name

String

用户名，GaussDB(DWS)数据需提供此参数。

user_password

String

用户密码，GaussDB(DWS)数据需提供此参数。

vpc_id

String

MRS集群所在的vpc的ID。

attributes

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

String

标签名称。

property

LabelProperty object

标签基本属性键值对，如颜色、快捷键等。

type

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

create_time

Long

样本创建时间。

dataset_id

String

数据集ID。

depth

Integer

图像样本通道数。

file_Name

String

样本名称。

file_id

String

样本ID。

file_type

String

文件类型。

height

Integer

图像样本高度。

size

Long

图像样本尺寸大小。

tags

Map<String,String>

样本的标签信息。

url

String

预览样本的OBS地址。

width

Integer

图像样本宽度。

description

String

Schema描述。

name

String

Schema名称。

schema_id

Integer

Schema ID。

type

String

Schema值类型。

add_sample_count

Integer

新增样本数量。

analysis_cache_path

String

特征分析的缓存路径。

analysis_status

Integer

特征分析任务的当前状态。可选值如下：

• 0：初始化

• 1：运行中

• 2：完成

• 3：失败

analysis_task_id

String

特征分析的任务ID。

annotated_sample_count

Integer

版本已标注样本的数量。

annotated_sub_sample_count

Integer

已标注的子样本数量。

clear_hard_property

Boolean

发布时是否清空难例属性。可选值如下：

• true：清空难例属性（默认值）

• false：不清空难例属性

code

String

旋转裁剪等预处理任务的状态码。

create_time

Long

版本创建时间。

crop

Boolean

是否对图片进行裁剪，只对标注框形状为bndbox的物体检测数据集有效。可选值如下：

• true：对图片进行裁剪

• false：不对图片进行裁剪（默认值）

crop_path

String

裁剪后的文件存放路径。

crop_rotate_cache_path

String

旋转裁剪任务执行的临时目录。

data_analysis

Map<String,Object>

特征分析结果，json格式。

data_path

String

数据保存路径。

data_statistics

Map<String,Object>

数据集的样本统计信息，包括样本元信息的统计，json格式。

data_validate

Boolean

发布前数据是否经过校验算法校验。可选值如下：

• true：数据经过校验

• false：数据未经过校验

deleted_sample_count

Integer

已删除的样本数量。

deletion_stats

Map<String,Integer>

删除原因统计信息。

description

String

版本描述信息。

export_images

Boolean

发布时是否导出图片到版本输出目录。可选值如下：

• true：导出图片到版本输出目录

• false：不导出图片到版本输出目录（默认值）

extract_serial_number

Boolean

发布时是否需要解析子样本序号，用于医疗数据集。可选值如下：

• true：解析子样本序号

• false：不解析子样本序号（默认值）

include_dataset_data

Boolean

发布时是否包含数据集源数据。可选值如下：

• true：包含数据集源数据

• false：不包含数据集源数据

is_current

Boolean

是否为数据集当前版本。可选值如下：

• true：数据集当前版本

• false：非数据集当前版本

label_stats

Array of LabelStats objects

发布版本的各标签统计信息列表。

label_type

String

发布版本的标签类型。可选值如下：

• multi：表示含有多标签样本

• single：表示所有样本均为单标签

manifest_cache_input_path

String

版本发布时的manifest文件缓存输入路径。

manifest_path

String

版本发布的manifest文件保存路径。

message

String

发布时记录的任务信息（如：错误信息等）。

modified_sample_count

Integer

已修改的样本数量。

previous_annotated_sample_count

Integer

父版本的已标注样本数量。

previous_total_sample_count

Integer

父版本的样本总数。

previous_version_id

String

父版本ID。

processor_task_id

String

旋转裁剪等预处理任务ID。

processor_task_status

Integer

旋转裁剪等预处理任务状态。当前可选值如下：

• 0：初始化

• 1：运行中

• 2：完成

• 3：失败

• 4：停止

• 5：超时

• 6：删除失败

• 7：停止失败

remove_sample_usage

Boolean

发布时是否清除数据集已有的usage信息。可选值如下：

• true：清除数据集已有的usage信息（默认值）

• false：不清除数据集已有的usage信息

rotate

Boolean

是否对图片进行旋转。可选值如下：

• true：对图片进行旋转

• false：不对图片进行旋转（默认值）

rotate_path

String

旋转后的文件存放路径。

sample_state

String

样本状态。可选样本状态如下：

• __ALL__：已标注

• __NONE__：未标注

• __UNCHECK__：待验收

• __ACCEPTED__：验收通过

• __REJECTED__：已驳回

• __UNREVIEWED__：待审核

• __REVIEWED__：已审核

• __WORKFORCE_SAMPLED__：已采样

• __WORKFORCE_SAMPLED_UNCHECK__：采样待验收

• __WORKFORCE_SAMPLED_CHECKED__：采样已验收

• __WORKFORCE_SAMPLED_ACCEPTED__：采样已通过

• __WORKFORCE_SAMPLED_REJECTED__：采样已驳回

• __AUTO_ANNOTATION__：待确认

start_processor_task

Boolean

发布时是否启动数据分析任务。可选值如下：

• true：发布时启动特征分析任务

• false：发布时不启动特征分析任务（默认值）

status

Integer

数据集版本状态。可选值如下：

• 0：创建中

• 1：运行中

• 2：删除中

• 3：已删除

• 4：错误

tags

Array of strings

版本关键标识列表，标注任务发布版本时将标注类型作为默认标签。如：["图片","物体检测"]。

task_type

Integer

发布版本的标注任务类型，同数据集类型。

total_sample_count

Integer

版本样本总数。

total_sub_sample_count

Integer

从父样本生成的子样本总数。

train_evaluate_sample_ratio

String

发布版本时切分训练验证比例，默认为1.00，即全部分为训练集。

update_time

Long

版本更新时间。

version_format

String

数据集版本格式。可选值如下：

• Default：默认格式

• CarbonData：Carbon格式（仅表格数据集支持）

• CSV：CSV格式

version_id

String

数据集版本ID。

version_name

String

数据集版本名称。

with_column_header

Boolean

发布的CSV文件的第一行是否为列名，对于表格数据集有效。可选值如下：

• true：发布的CSV文件的第一行是列名

• false：发布的CSV文件的第一行不是列名

attributes

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。

count

Integer

该标签的打标数量。

name

String

标签名称。

property

LabelProperty object

标签基本属性键值对，如颜色、快捷键等。

sample_count

Integer

包含该标签的样本数量。

type

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

default_value

String

标签属性默认值。

id

String

标签属性ID。可通过调用标签列表查询。

name

String

标签属性名称。不能超过64个字符，不能包含字符!<>=&"'。

type

String

标签属性类型。可选值如下：

• text：文本

• select：单选下拉列表

values

Array of LabelAttributeValue objects

标签属性值列表。

id

String

标签属性值ID。

value

String

标签属性值。

@modelarts:color

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

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

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

String

内置属性：重命名后的标签名。

@modelarts:shortcut

String

内置属性：标签快捷键，默认为空。例如：“D”。

@modelarts:to_type

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。

current_task_id

String

团队标注任务ID。

current_task_name

String

团队标注任务名称。

reject_num

Integer

驳回的样本数。

repetition

Integer

每个样本由多少人标注，最少为1。

is_synchronize_auto_labeling_data

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

is_synchronize_data

Boolean

是否同步更新数据：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

workers

Array of Worker objects

标注成员列表。

workforce_id

String

标注团队ID。

workforce_name

String

标注团队名称。

create_time

Long

创建时间。

description

String

标注成员描述，长度为0-256位，不能包含^!<>=&"'特殊字符。

email

String

标注成员邮箱。

role

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

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

Long

更新时间。

worker_id

String

标注成员ID。

workforce_id

String

所属标注团队ID。

200

OK

401

Unauthorized

403

Forbidden

404

Not Found