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
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
可信跨链数据链接服务 TCDAS
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
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
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
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:2021/10/12 GMT+08:00
分享

创建数据集

创建数据集,支持从OBS中导入数据。

create_dateset(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)

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()              # 数据集的工作目录
    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['data_type'] = 0
    data_sources['data_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5

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6

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8

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)

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)。

annotation_config

表3

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 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

fromat_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4

标注格式的高级参数,如样本分割符等。

表4 AnnotationConfigParam参数

参数

是否必选

参数类型

描述

included_labels

List of 表6

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割符。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。

label_separator

String

标签和标签之间的分割符。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5 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6 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7

标签基本属性键值对,如颜色。

表7 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8 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。

分享:

    相关文档

    相关产品