创建一个训练数据集

训练数据集是用于模型训练的实际数据集。通常，通过创建一个新的数据集步骤，可以生成包含某个特定场景数据的数据集。例如，这个数据集可能只包含用于训练摘要提取功能的数据。然而，在实际模型训练中，通常需要结合多种任务类型的数据，而不仅限于单一场景的数据。因此，实际的训练会混合不同类型的数据。例如，为防止模型在训练后出现通用问答能力下降，会混入一定的通用数据。

训练数据集常见业务场景如下：

当创建训练数据集时，可以将不同数据集合并成一个训练集，并且可以控制各数据集的数据比例。这对于用户数据集较小的情况非常有用，因为可以通过组合多个数据集来进行训练。
当需要对模型进行综合训练时，会组合多种数据集，以提高模型处理不同数据类型的能力。

在准备自监督训练数据和有监督微调数据时，除行业数据外，建议混入一定比例的通用数据，防止模型在经过训练后出现通用问答能力下降的情况。
行业数据 : 通用数据的比例按业内经验有1 : 1、1 : 5。实际训练过程中，行业数据和通用数据和的配比需要根据具体情况进行权衡，需要通过多次训练进行调整，既要考虑模型的通用能力，也要考虑模型在特定领域的性能。

创建一个训练数据集

登录盘古大模型套件平台。
在左侧导航栏中选择“数据工程 > 数据管理”，单击界面右上角“创建数据集”。
图1 数据管理
在创建数据集弹出框中选择“创建一个训练数据集”，单击“创建”。
图2 创建训练数据集
创建训练数据集的常见业务场景包括：
- 当用户的数据集较小时，可以将多个数据集组合起来进行训练。
- 需要进行模型的综合训练时，会组合多样的数据集，以提升模型处理不同类型数据的能力。例如，通过组合数据集，NLP模型在训练后可以同时具备文本生成、情感分析等多种能力。
进入训练数据集页面后，需要进行训练配置、数据配置和基本配置。
- 训练配置
   选择模型类型、训练类型以及基础模型。
- 数据配置
   选择训练数据集和配比类型，设置训练数据集配比，详情请参考数据配比功能介绍。
  
  在训练数据集配比完成后，在单击“创建”或后续修改保存时，会对数据集的有效数据进行统计，确保满足模型训练的要求。
  
  图3 数据配置
- 基本配置
   填写训练数据集名称和描述，选择数据标签。
  图4 基本配置
参数填选完成后，单击“立即创建”。