数据集简介

数据集的类型

当前ModelArts支持如下格式的数据集。

• 图片：对图像类数据进行处理，支持 .jpg、.png、.jpeg、.bmp四种图像格式，支持用户进行图像分类、物体检测、图像分割类型的标注。
• 音频：对音频类数据进行处理，支持.wav格式，支持用户进行声音分类、语音内容、语音分割三种类型的标注。
• 文本：对文本类数据进行处理，支持.txt、.csv格式，支持用户进行文本分类、命名实体、文本三元组三种类型的标注。
• 视频：对视频类数据进行处理，支持.mp4格式，支持用户进行视频标注。
• 自由格式：管理的数据可以为任意格式，目前不支持标注，适用于无需标注或开发者自行定义标注的场景。如果您的数据集需存在多种格式数据，或者您的数据格式不符合其他类型数据集时，可选择自由格式的数据集。

• 表格

  表格：适合表格等结构化数据处理。数据格式支持csv。不支持标注，支持对部分表格数据进行预览，但是最多支持100条数据预览。

不同类型数据集支持的功能列表

其中，不同类型的数据集支持不同的功能，如智能标注、团队标注等。详细信息参考表1。

规格限制

• 除表格类型之外的数据集（如视频、文本、音频等），单个数据集的最大样本数量限制：1000000，最大标签数量限制：10000。
• 除图片类型之外的数据集（如视频、文本、音频等），单个样本大小限制：5GB。
• 针对图片类数据集（物体检测、图像分类、图像分割），单个图片大小限制：25MB。
• 单个manifest文件大小限制：5GB。
• 文本文件单行大小限制：100KB。
• 数据管理标注结果文件大小限制：100MB。