计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive
本文导读

创建数据集

更新时间:2024-12-27 GMT+08:00

创建数据集,支持从OBS中导入数据。

create_dataset(session, dataset_name=None, data_type=None, data_sources=None, work_path=None, dataset_type=None, **kwargs)

创建数据集支持两种用法:

  • 根据标注类型创建数据集,一个数据集只能支持一种标注任务类型。
    create_dataset(session,dataset_name=None, dataset_type=None, data_sources=None, work_path=None, **kwargs)
  • 根据数据类型创建数据集,用户可以在相同的数据集上创建不同类型的标注任务,如在图像数据集上创建图像分类、物体检测等标注任务。
    create_dataset(session,dataset_name=None, data_type=None, data_sources=None, work_path=None, **kwargs)
说明:

推荐使用根据数据类型创建数据集,根据标注类型创建数据集的功能将会下线。

示例代码

  • 示例一:根据数据类型创建图像数据集
    from modelarts.session import Session
    from modelarts.dataset import Dataset
    
    session = Session()
    
    dataset_name = "dataset-image"  # 数据集名称
    data_type = "IMAGE"             # 数据集类型,图像类型数据集
    data_sources = dict()           # 数据集数据来源
    data_sources["type"] = 0        # 数据来源类型,0表示OBS
    data_sources["path"] = "/obs-gaia-test/data/image/image-classification/" # 数据在OBS中的路径
    work_path = dict()              # 数据集输出位置,用于存放输出的标注信息等文件
    work_path['type'] = 0           # 数据集工作目录的类型,0表示OBS
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"  # 数据集工作目录在OBS中的路径
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, data_type=data_type,
                                                 data_sources=data_sources, work_path=work_path)
  • 示例二:根据数据类型创建图像数据集(导入标注信息)
    from modelarts.session import Session
    from modelarts.dataset import Dataset
    
    session = Session()
    
    dataset_name = "dataset-image-with-annotations"
    data_type = "IMAGE"
    data_sources = dict()
    data_sources["type"] = 0
    data_sources["path"] = "/obs-gaia-test/data/image/image-classification/"
    annotation_config = dict()      # 源数据的标注格式
    annotation_config['scene'] = "image_classification" # 数据标注场景为图像分类标注
    annotation_config['format_name'] = "ModelArts image classification 1.0" # 标注格式为ModelArts image classification 1.0
    data_sources['annotation_config'] = annotation_config
    work_path = dict()
    work_path['type'] = 0
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, data_type=data_type,
                                                 data_sources=data_sources, work_path=work_path)
  • 示例三:根据数据类型创建表格数据集
    from modelarts.session import Session
    from modelarts.dataset import Dataset
    
    session = Session()
    
    dataset_name = "dataset-table"
    data_type = "TABLE"
    data_sources = dict()
    data_sources["type"] = 0
    data_sources["path"] = "/obs-gaia-test/data/table/table0/"
    data_sources['with_column_header'] = True
    work_path = dict()
    work_path['type'] = 0
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"
    # 表格类型的数据集需要指定表格数据的schema信息
    schema0 = dict()
    schema0['schema_id'] = 0
    schema0['name'] = "name"
    schema0['type'] = "STRING"
    schema1 = dict()
    schema1['schema_id'] = 1
    schema1['name'] = "age"
    schema1['type'] = "STRING"
    schema2 = dict()
    schema2['schema_id'] = 2
    schema2['name'] = "label"
    schema2['type'] = "STRING"
    schemas = []
    schemas.append(schema0)
    schemas.append(schema1)
    schemas.append(schema2)
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, data_type=data_type,
                                                 data_sources=data_sources, work_path=work_path, schema=schemas)
  • 示例四:根据标注类型创建图像分类数据集
    from modelarts.session import Session
    from modelarts.dataset import Dataset
    
    session = Session()
    
    dataset_name = "dataset-image-classification"
    dataset_type = 0   # 数据集的标注类型,0表示图像分类标注类型
    data_sources = dict()
    data_sources["path"] = "/obs-gaia-test/data/image/image-classification/"
    data_sources["type"] = "0"
    work_path = dict()
    work_path['type'] = 0
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, dataset_type=dataset_type, data_sources=data_sources, work_path=work_path)
  • 示例五:根据标注类型创建文本三元组数据集
    dataset_name = "dataset-text-triplet"
    dataset_type = 102   # 数据集标注类型,102表示文本三元组标注类型
    data_sources = dict()
    data_sources['type'] = 0
    data_sources['path'] = "/obs-gaia-test/data/text/text-classification/"
    work_path = dict()
    work_path['type'] = 0
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"
    
    # 创建文本三元组标注类型的数据集,需要传入标签参数
    label_entity1 = dict()    # 标签对象
    label_entity1['name'] = "疾病"    # 标签名称
    label_entity1['type'] = 101     # 标签类型,101表示实体类型标签
    label_entity2 = dict()
    label_entity2['name'] = "疾病别称"
    label_entity2['type'] = 101
    label_relation1 = dict()
    label_relation1['name'] = "又称为"
    label_relation1['type'] = 102    # 标签类型,102表示关系类型标签
    property = dict()    # 关系类型标签需要在标签属性中指定起始实体标签和终止实体标签
    property['@modelarts:from_type'] = "疾病"    # 起始实体标签
    property['@modelarts:to_type'] = "疾病别称"    # 终止实体标签
    label_relation1['property'] = property
    labels = []
    labels.append(label_entity1)
    labels.append(label_entity2)
    labels.append(label_relation1)
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, dataset_type=dataset_type, data_sources=data_sources, work_path=work_path, labels=labels)
  • 示例六:根据标注类型创建表格数据集
    dataset_name = "dataset-table"
    dataset_type = 400    # 数据集标注类型,400表示表格数据集
    data_sources = dict()
    data_sources['type'] = 0
    data_sources['path'] = "/obs-gaia-test/data/table/table0/"
    data_sources['with_column_header'] = True    # 用来指明表格数据中是否包含表头
    work_path = dict()
    work_path['type'] = 0
    work_path['path'] = "/obs-gaia-test/data/output/work_path/"
    
    # 表格数据集需要传入表格数据的表头参数
    schema0 = dict()    # 表格的表头
    schema0['schema_id'] = 0    # 第一列表头
    schema0['name'] = "name"    # 表头名称,该列表头为name
    schema0['type'] = "STRING"    # 表头数据类型,表示字符串
    schema1 = dict()
    schema1['schema_id'] = 1
    schema1['name'] = "age"
    schema1['type'] = "STRING"
    schema2 = dict()
    schema2['schema_id'] = 2
    schema2['name'] = "label"
    schema2['type'] = "STRING"
    schemas = []
    schemas.append(schema0)
    schemas.append(schema1)
    schemas.append(schema2)
    create_dataset_resp = Dataset.create_dataset(session, dataset_name=dataset_name, dataset_type=dataset_type, data_sources=data_sources, work_path=work_path, schema=schemas)

参数说明

表1 请求参数

参数

是否必选

参数类型

描述

session

Object

会话对象,初始化方法请参见Session鉴权

dataset_name

String

数据集名称。

data_type

String

数据集的数据类型,与dataset_type参数二选一,推荐使用data_type。可选值如下:

  • IMAGE:图像
  • TEXT:文本
  • AUDIO:音频
  • TABLE:表格
  • VIDEO:视频
  • PLAIN:自由格式

dataset_type

Integer

根据数据集类型查询数据集列表,与data_type参数二选一。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

data_sources

表2

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。

work_path

表6

数据集输出位置,用于存放输出的标注信息等文件。

labels

List of 表7

数据集标签列表,创建文本三元组标注类型的数据集时需要传递该参数。

schema

List of 表9

schema列表,用于表格数据集,指定表头的名称和类型。

description

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。

表2 DataSource参数

参数

是否必选

参数类型

描述

type

Integer

数据类型。可选值如下:

  • 0:OBS桶(默认值)
  • 5:AI Gallery下载数据集

path

String

数据源所在路径。

  • 字符限制:不允许出现的特殊字符有换行符(\n)、回车符(\r)、制表符(\t)。

content_info

表3

从AI Gallery下载数据集时数据集资产的信息。

annotation_config

表4

数据标注格式的说明。目前支持的标注格式类型如下:

  • 图像分类
  • 物体检测
  • 文本分类
  • 声音分类

with_column_header

Boolean

表格数据集必选参数,表格的第一行是否为表头。

  • True:第一行数据作为表头
  • False:第一行数据不作为表头,仅为样本数据
表3 ContentInfo参数

参数

是否必选

参数类型

描述

content_id

String

AI Gallery中数据集资产的ID。

version_id

String

AI Gallery中数据集资产的版本ID。

表4 AnnotationConfig参数

参数

是否必选

参数类型

描述

scene

String

支持的标注格式场景,可选值如下:

  • image_classification:图像分类
  • object_detection:物体检测
  • text_classification:文本分类
  • audio_classification:声音分类

format_name

String

不同标注场景下的标注格式。可选值如下:

  • image_classification
    • ModelArts imageNet 1.0
    • ModelArts image classification 1.0
  • object_detection
    • ModelArts PASCAL VOC 1.0
    • YOLO
  • text_classification
    • ModelArts text classfication 1.0
    • ModelArts text classfication combine 1.0
  • audio_classification
    • ModelArts audio classfication dir 1.0

parameters

表5

标注格式的高级参数,如样本分隔符等。

表5 AnnotationConfigParam参数

参数

是否必选

参数类型

描述

included_labels

List of 表7

只导入包含指定标签的样本。

sample_label_separator

String

文本和标签之间的分隔符。分隔符仅支持一个字符,必须为大小写字母,数字或@#¥%^&*_=|?/':.;,中的某一个字符,分隔符需要转义。

label_separator

String

标签和标签之间的分隔符。分隔符仅支持一个字符,必须为大小写字母,数字或@#¥%^&*_=|?/':.;,中的某一个字符,分割符需要转义。

difficult_only

Boolean

是否只导入难例。

表6 WorkPath参数

参数

是否必选

参数类型

描述

type

Integer

数据类型。可选值如下:

  • 0:OBS桶(默认值)

path

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。
  • 字符限制:不允许出现的特殊字符有换行符(\n)、回车符(\r)、制表符(\t)。
表7 Label参数

参数

是否必选

参数类型

描述

name

String

标签名称。

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:命名实体标签
  • 102:文本三元组关系标签
  • 200:声音分类
  • 201:语音内容
  • 202:语音分割
  • 600:视频标注

property

表8

标签基本属性键值对,如颜色。

表8 LabelProperty参数

参数

是否必选

参数类型

描述

@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: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: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。

表9 Schema参数

参数

是否必选

参数类型

描述

schema_id

Integer

Schema ID。

name

String

Schema名称。

type

String

Schema值类型,可选值如下:

  • STRING
  • SHORT
  • INT
  • LONG
  • DOUBLE
  • FLOAT
  • BYTE
  • DATE
  • TIMESTAMP
  • BOOLEAN

description

String

Schema描述。

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容