文档首页/ 盘古大模型 PanguLargeModels/ 用户指南/ 使用数据工程构建数据集/ 数据集格式要求/ 图片类数据集格式要求

更新时间：2025-09-26 GMT+08:00

查看PDF

图片类数据集格式要求

ModelArts Studio大模型开发平台支持创建图片类数据集，创建时可导入多种形式的数据，具体格式要求详见表1。

表1 图片类数据集格式要求
文件内容	文件格式	文件要求
图片	图片+jsonl（可选） tar+jsonl（可选）	图片：支持jpg、jpeg、png、bmp类型。 tar：tar包内图片支持jpg、jpeg、png、bmp图片类型。根目录下可存在单个annotation.jsonl文件，image_name字段必选。 {"image_name":"图片名称（abc.jpg）","tar_name":"tar包名称（1.tar）"} 从OBS导入：单个压缩包大小不超过50GB(只支持tar类型的压缩包)，单个文件大小不超过50GB，文件数量不限制。本地上传：单个压缩包大小不超过10M(只支持tar类型的压缩包)，单个文件大小不超过10M，文件数量最多100个
图片+Caption	tar+jsonl	图片：图片以tar包格式存储，可以多个tar包。tar包存储原始的图片，每张图片命名要求唯一（如abc.jpg）。图片支持jpg、jpeg、png、bmp格式。 jsonl：图片描述jsonl文件放在最外层目录，一个tar包对应一个jsonl文件，文件内容中每一行代表一段文本，形式为： {"image_name":"图片名称（abc.jpg）","tar_name":"tar包名称（1.tar）","caption":"图片对应的文本描述"} 从OBS导入：单个压缩包大小不超过50GB(只支持tar类型的压缩包)，单个文件大小不超过50GB，文件数量不限制。本地上传：单个压缩包大小不超过10M(只支持tar类型的压缩包)，单个文件大小不超过10M，文件数量最多100个。
图片+QA对	tar+jsonl	图片：图片以tar包格式存储，可以多个tar包。tar包存储原始的图片，每张图片命名要求唯一（如abc.jpg）。图片支持jpg、jpeg、png、bmp格式。 jsonl：图片描述jsonl文件放在最外层目录，一个tar包对应一个jsonl文件，文件内容中每一行代表一段文本，形式为： {"image_name":"图片名称（abc.jpg）","tar_name":"tar包名称（1.tar）","conversations":[{"question":"问题1","answer":"回答1"},{"question":"问题2","answer":"回答2"}]} 从OBS导入：单个压缩包大小不超过50GB(只支持tar类型的压缩包)，单个文件大小不超过50GB，文件数量不限制。本地上传：单个压缩包大小不超过10M(只支持tar类型的压缩包)，单个文件大小不超过10M，文件数量最多100个
物体检测	PASCAL VOC	由图片文件和对应的标注文件构成，标注文件需要满足PASCAL VOC文件格式。要求用户将标注对象和标注文件存储在同一目录，并且相互对应，如标注对象文件名为“IMG_2.jpg”，那么标注文件的文件名应为“IMG_2.xml” 图片支持jpg、jpeg、png、bmp、tif、tiff格式，标注文件为xml格式，标注文件说明请参见物体检测数据集标注文件说明。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
图像分类	图片+txt	由图片文件和对应的标注文件构成，要求用户将标注对象和标注文件存储在同一目录，并且相互对应。图片支持jpg、jpeg、png、bmp、tif、tiff格式，标注文件为txt格式，标注文件说明请参见图像分类数据集标注文件说明。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
异常检测	图片+txt	文件存放方式要求满足异常检测格式，即标注文件和图片存于同一文件夹。图片支持jpg、jpeg、png、bmp格式，标注文件为txt格式，标注文件说明请参见异常检测数据集标注文件说明。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
语义分割	图片+xml	语义分割标注文件为xml格式，图片和标注文件一一对应。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：xml。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
	原始图片+标注图片+json	语义分割标注方式为标注图片+json。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：标注图片+json。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
	原始图片+标注图片+txt	语义分割标注方式为标注图片+txt。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：标注图片+txt。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
	原始图片+标注图片	语义分割标注方式为标注图片。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：标注图片。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
	图片+png；	文件存放方式要求满足语义分割格式，即原图为jpg文件，标注图采用同名同尺寸的png文件。其中，标注图上的每个像素值对应原图中像素的类别，且每个类别的值需连续且从0开始，表示不同的物体或区域类别。例如，假设有一张原图为IMG_20180919_114732.jpg，对应的标注图为IMG_20180919_114732.png，其中标注图的不同像素值代表不同的类别，标注图的每个像素值直接对应原图中相应位置的类别信息，类别需连续并从0开始。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
姿态估计	图片+json（一对一）	文件存放方式要求满足姿态估计格式。图片格式支持：jpg、jpeg、png、bmp。标注格式支持：json。图片与标注文件一一对应。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
姿态估计	图片+json（多对一）	由图片文件和对应的标注文件构成，图片支持jpg、jpeg、png、bmp格式，标注文件为json格式。基于开源COCO人物关键点标注格式对数据集进行标注，需包含annotations，train，val文件夹，annotations文件夹下用train.json和val.json记录训练集和验证集标注，train和val文件夹下保存具体的图片。 json标注文件的详细说明请参见姿态估计标注json文件说明从OBS导入：单个文件大小不超过50GB，文件数量不限制。
实例分割	图片+xml	文件存放方式要求满足万物分割/实例分割格式。图片格式支持：jpg、jpeg、png、bmp，标注格式支持：xml 基于PASCAL VOC矩形框格式进行标识，标注和图片同名并放在同一文件夹下。 xml标注文件的详细说明请参见实例分割数据集标注文件说明。从OBS导入：单个文件大小不超过50GB，文件数量不限制。
变化检测	图片+xml	变化检测标注文件为xml格式。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：xml。前后两幅图片需要同名同尺寸。从OBS导入：单个文件大小不超过50GB，文件数量不限制。其中，before文件夹：包含变化前的图片，每幅图片需与变化后的图片同名、同尺寸。 after文件夹：包含变化后的图片，每幅图片需与变化前的图片同名、同尺寸。 label文件夹：包含与变化前和变化后图片同名、同尺寸的PNG文件。每个像素值代表该位置对应的类别信息，类别应是连续的且从0开始。
	原始图片+标注图片+json	变化检测标注方式为标注图片+json。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：png+json。前后两幅图片需要同名同尺寸。从OBS导入：单个文件大小不超过50GB，文件数量不限制。其中，before文件夹：包含变化前的图片，每幅图片需与变化后的图片同名、同尺寸。 after文件夹：包含变化后的图片，每幅图片需与变化前的图片同名、同尺寸。 label文件夹：包含与变化前和变化后图片同名、同尺寸的PNG文件。每个像素值代表该位置对应的类别信息，类别应是连续的且从0开始。
	原始图片+标注图片	文件存放方式要求满足变化检测格式。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：png。前后两幅图片需要同名同尺寸，并采用同名同尺寸的png文件对图片文件不同像素赋予不同类别，png图片上的像素值对应于原图上像素值的类别，类别需连续并从0开始。从OBS导入：单个文件大小不超过50GB，文件数量不限制。其中，before文件夹：包含变化前的图片，每幅图片需与变化后的图片同名、同尺寸。 after文件夹：包含变化后的图片，每幅图片需与变化前的图片同名、同尺寸。 label文件夹：包含与变化前和变化后图片同名、同尺寸的PNG文件。每个像素值代表该位置对应的类别信息，类别应是连续的且从0开始。
旋转检测	图片+xml	文件存放方式要求满足旋转检测格式。图片格式支持：jpg、jpeg、png、bmp。标注文件格式：xml。图片与标注文件一一对应。从OBS导入：单个文件大小不超过50GB，文件数量不限制。

物体检测数据集标注文件说明

该说明适用于表1中的物体检测标注文件格式。

物体检测数据集支持格式为ModelArts PASCAL VOC 1.0。

要求用户将标注对象和标注文件存储在同一目录，并且一一对应，如标注对象文件名为“IMG_20180919_114745.jpg”，那么标注文件的文件名应为“IMG_20180919_114745.xml”。

物体检测的标注文件需要满足PASCAL VOC格式，PASCAL_VOC是一个公开的图像标注数据集，它提供了一个统一的XML格式来存储标注信息。PASCAL_VOC文件格式包含图像目录、图像文件、图像尺寸、图像中目标信息等元素，详细格式说明请参见表2。

OBS文件上传示例：

├─dataset-import-example 
│      IMG_20180919_114732.jpg 
│      IMG_20180919_114732.xml 
│      IMG_20180919_114745.jpg 
│      IMG_20180919_114745.xml 
│      IMG_20180919_114945.jpg 
│      IMG_20180919_114945.xml

标注文件（.xml文件）示例：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<annotation>
    <folder>NA</folder>
    <filename>IMG_20180919_114745.jpg</filename>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>554</width>
        <height>606</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>Dog</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <occluded>0</occluded>
        <bndbox>
            <xmin>279</xmin>
            <ymin>52</ymin>
            <xmax>474</xmax>
            <ymax>278</ymax>
        </bndbox>
    </object>
    <object>
        <name>Cat</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <occluded>0</occluded>
        <bndbox>
            <xmin>279</xmin>
            <ymin>198</ymin>
            <xmax>456</xmax>
            <ymax>421</ymax>
        </bndbox>
    </object>
</annotation>

表2 PASCAL VOC格式说明
字段	是否必选	说明
folder	是	表示图像所在的目录名称。
filename	是	被标注文件的文件名。
size	是	表示图像的像素信息。 width：必选字段，图像的宽度。 height：必选字段，图像的高度。 depth：必选字段，图像的通道数。
segmented	是	表示图像是否附带分割标注信息。 0：表示当前样本无分割标注，用于非分割类任务（如目标检测、图像分类）。 1：表示当前样本有分割标注，可用于分割任务（如语义分割、实例分割）。
object	是	目标对象信息，包括被标注物体的类别、姿态、是否被截断、是否识别困难以及边界框信息，多个物体标注会有多个object体。 name：必选字段，标注内容的类别。 pose：必选字段，标注内容的拍摄角度。 truncated：必选字段，取值0或1，表示标注内容是否被截断（0表示被截断、1表示没有截断）。 occluded：必选字段，取值0或1，表示标注内容是否被遮挡（0表示未遮挡、1表示遮挡） difficult：必选字段，取值0或1，表示标注目标是否难以识别（0表示容易识别、1表示难易识别）。 confidence：可选字段，标注目标的置信度，取值范围0-1之间，越接近1，表示标注越可信。 bndbox：必选字段，标注框的类型，可选值请参见表3。

表3 标注框类型描述
type	形状	标注信息
point	点	点的坐标。 <x>100<x> <y>100<y>
line	线	各点坐标。 <x1>100<x1> <y1>100<y1> <x2>200<x2> <y2>200<y2>
bndbox	矩形框	左上和右下两个点坐标。 <xmin>100<xmin> <ymin>100<ymin> <xmax>200<xmax> <ymax>200<ymax>
polygon	多边形	各点坐标。 <x1>100<x1> <y1>100<y1> <x2>200<x2> <y2>100<y2> <x3>250<x3> <y3>150<y3> <x4>200<x4> <y4>200<y4> <x5>100<x5> <y5>200<y5> <x6>50<x6> <y6>150<y6>
circle	圆形	圆心坐标和半径。 <cx>100<cx> <cy>100<cy> <r>50<r>

图像分类数据集标注文件说明

该说明适用于表1中的图片分类标注文件格式。

图像分类数据集支持格式为ModelArts image classification 1.0。

要求用户将标注对象和标注文件存储在同一目录，并且一一对应，标注文件txt中可以放单标签，也可以放多标签。

当目录下存在对应的txt文件时，以txt文件内容作为图像的标签。
示例如下所示，import-dir-1和import-dir-2为导入子目录。
```
dataset-import-example 
├─import-dir-1
│      10.jpg
│      10.txt    
│      11.jpg 
│      11.txt
│      12.jpg 
│      12.txt
└─import-dir-2
        1.jpg 
        1.txt
        2.jpg 
        2.txt
```
单标签的标签文件示例，如1.txt文件内容如下所示。
```
猫
```
多标签的标签文件示例，如2.txt文件内容如下所示。
```
猫
狗
```

异常检测数据集标注文件说明

该说明适用于表1中的异常检测标注文件格式。

要求用户将标注文件和图片存于同一文件夹。

当目录下存在对应的txt文件时，以txt文件内容作为正常或异常的标签。
示例如下所示：
```
dataset-import-example 
│      IMG_20180919_114732.jpg
│      IMG_20180919_114732.txt    
│      IMG_20180919_114745.jpg 
│      IMG_20180919_114745.txt
```
异常标签的标签文件示例，如IMG_20180919_114732.txt文件内容如下所示。
```
abnormal
```
正常标签的标签文件示例，如IMG_20180919_114745.txt文件内容如下所示。
```
normal
```

姿态估计标注json文件说明

该说明适用于表1中的姿态估计标注文件格式。

姿态估计标注基于开源coco人物关键点标注格式对数据集进行标注，需包含annotations，train，val文件夹。annotations文件夹下用train.json和val.json记录训练集和验证集标注，train和val文件夹下保存具体的图片，示例如下所示：

├─annotations
│      train.json 
│      val.json
├─train
│      IMG_20180919_114745.jpg 
├─val
│      IMG_20180919_114945.jpg

具体的json标注文件具体示例：

{
    "images": [
        {
            "license": 2,
            "file_name": "IMG_20180919_114745.jpg",
            "coco_url": "",
            "height": 426,
            "width": 640,
            "date_captured": "2018-09-19 11:47:45",
            "flickr_url": "",
            "id": 139
        }
    ],
    "annotations": [
        {
            "num_keypoints": 15,
            "area": 2913.1104,
            "iscrowd": 0,
            "keypoints": [
                427,
                170,
                1,
                429,
                169,
                2,
                0,
                0,
                0,
                434,
                168,
                2,
                0,
                0,
                0,
                441,
                177,
                2,
                446,
                177,
                2,
                437,
                200,
                2,
                430,
                206,
                2,
                430,
                220,
                2,
                420,
                215,
                2,
                445,
                226,
                2,
                452,
                223,
                2,
                447,
                260,
                2,
                454,
                257,
                2,
                455,
                290,
                2,
                459,
                286,
                2
            ],
            "image_id": 139,
            "bbox": [
                412.8,
                157.61,
                53.05,
                138.01
            ],
            "category_id": 1,
            "id": 230831
        }
    ],
    "categories": [
        {
            "supercategory": "person",
            "id": 1,
            "name": "person",
            "keypoints": [
                "nose",
                "left_eye",
                "right_eye",
                "left_ear",
                "right_ear",
                "left_shoulder",
                "right_shoulder",
                "left_elbow",
                "right_elbow",
                "left_wrist",
                "right_wrist",
                "left_hip",
                "right_hip",
                "left_knee",
                "right_knee",
                "left_ankle",
                "right_ankle"
            ],
            "skeleton": [
                [
                    16,
                    14
                ],
                [
                    14,
                    12
                ],
                [
                    17,
                    15
                ],
                [
                    15,
                    13
                ],
                [
                    12,
                    13
                ],
                [
                    6,
                    12
                ],
                [
                    7,
                    13
                ],
                [
                    6,
                    7
                ],
                [
                    6,
                    8
                ],
                [
                    7,
                    9
                ],
                [
                    8,
                    10
                ],
                [
                    9,
                    11
                ],
                [
                    2,
                    3
                ],
                [
                    1,
                    2
                ],
                [
                    1,
                    3
                ],
                [
                    2,
                    4
                ],
                [
                    3,
                    5
                ],
                [
                    4,
                    6
                ],
                [
                    5,
                    7
                ]
            ]
        }
    ]
}

表4 COCO格式说明
字段	是否必选	说明
images	是	图片信息。
license	否	图像的许可证标识符。
file_name	是	图像的文件名。
coco_url	否	图像在COCO官方数据集中的URL。
height	是	图像的高度，以像素为单位。
width	是	图像的宽度，以像素为单位。
date_captured	否	图像捕获的日期和时间。
flickr_url	否	图像在Flickr网站上的URL。
id	是	图像的唯一标识符。
annotations	是	标注信息。
num_keypoints	是	标注的关键点数量。
area	是	边界框的面积，以像素平方为单位。
iscrowd	是	表示标注是否为复杂的群体场景（如拥挤的人群）。0表示不是拥挤场景，1表示是拥挤场景。
keypoints	是	标注的关键点坐标及其可见性，按顺序列出所有关键点，每个关键点用三个数值表示 [x, y, v]。x和y是关键点的像素坐标，v是可见性（0：不可见且不在图像中；1：不可见但在图像中；2：可见且在图像中）。
image_id	是	与该标注相关联的图像的ID，必须与images字段中的id对应。
bbox	是	目标物体的边界框，用[x, y, width, height]表示，其中，x，y是边界框左上角的坐标，width和height是边界框的宽度和高度。
category_id	是	标注类别的ID，对于人体姿态估计，通常为1（表示person）。
id	是	标注的唯一标识符。
categories	是	标注类型信息。
supercategory	是	类别的上级分类，通常为person。
id	是	类别的唯一标识符，对于人体姿态估计，通常为1。
name	是	类别的名称，通常为person。
keypoints	是	关键点的名称列表，COCO格式中通常定义了17个关键点，如nose、left_eye、right_eye、left_ear、right_ear、left_shoulder、right_shoulder、left_elbow、right_elbow、left_wrist、right_wrist、left_hip、right_hip、left_knee、right_knee、left_ankle、right_ankle。
skeleton	是	定义骨架连接的列表，用于表示关键点之间的连接关系。每个连接用一对关键点索引表示，如 [1, 2]，表示鼻子（nose）到左眼（left_eye）的连线。

姿态估计-图片+json（一对一）：文件格式为图片+json。图片格式支持：jpg、jpeg、png、bmp，标注格式支持：json，图片与标注文件一一对应。

示例如下所示：

│      IMG_20180919_114732.jpg 
│      IMG_20180919_114732.json 
│      IMG_20180919_114745.jpg 
│      IMG_20180919_114745.json
│      IMG_20180919_114945.jpg 
│      IMG_20180919_114945.json

具体的json标注文件具体示例：

{
<annotation>
  <folder>images</folder>
  <filename>IMG_20180919_114945.jpg</filename>
  <path>E:/images/IMG_20180919_114945.jpg</path>
  <source>
    <database>Unknown</database>
  </source>
  <size>
    <width>700</width>
    <height>354</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>right eye</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <keypoint id="0" x="285.28301886792457" y="130.39622641509433"/>
  </object>
  <object>
    <name>left eye</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <keypoint id="0" x="436.6037735849057" y="179.0754716981132"/>
  </object>
  <object>
    <name>nose</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <keypoint id="0" x="329.0566037735849" y="233.41509433962264"/>
  </object>
  <object>
    <name>head</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <keypoint id="0" x="468.67924528301893" y="272.66037735849056"/>
  </object>
</annotation>

实例分割数据集标注文件说明

该说明适用于表1中的实例分割标注文件格式。

实例分割的标注文件需要满足PASCAL VOC格式，PASCAL_VOC是一个公开的图像标注数据集，它提供了一个统一的XML格式来存储标注信息。PASCAL_VOC文件格式包含图像目录、图像文件、图像尺寸、图像中目标信息等元素，详细格式说明请参见表5。

OBS文件上传示例：

├─dataset-import-example 
│      IMG_20180919_114732.jpg 
│      IMG_20180919_114732.xml 
│      IMG_20180919_114745.jpg 
│      IMG_20180919_114745.xml

标注文件（.xml文件）示例：

<annotation>
 <folder>NA</folder>
 <filename>IMG_20180919_114745.jpg</filename>
 <source>
  <database>Unknown</database>
 </source>
 <size>
  <width>2560</width>
  <height>1440</height>
  <depth>3</depth>
 </size>
 <segmented>1</segmented>
 <mask_source></mask_source>
 <object>
  <name>aggregate</name>
  <pose>Unspecified</pose>
  <truncated>0</truncated>
  <difficult>0</difficult>
  <mask_color>238,130,238</mask_color>
  <occluded>0</occluded>
  <polygon>
   <x1>657.0</x1>
   <y1>357.0</y1>
   <x2>645.0</x2>
   <y2>351.0</y2>
   <x3>624.0</x3>
   <y3>352.0</y3>
   <x4>616.0</x4>
   <y4>353.0</y4>
  </polygon>
 </object>
</annotation>

表5 PASCAL VOC格式说明
字段	是否必选	说明
folder	是	表示图像所在的目录名称。
filename	是	被标注文件的文件名。
size	是	表示图像的像素信息。 width：必选字段，图像的宽度。 height：必选字段，图像的高度。 depth：必选字段，图像的通道数。
segmented	是	表示是否用于分割，取值为0或1。0表示没有分割标注，1表示有分割标注。
object	是	目标对象信息，包括被标注物体的类别、姿态、是否被截断、是否识别困难以及边界框信息，多个物体标注会有多个object体。 name：必选字段，标注内容的类别。 pose：必选字段，标注内容的拍摄角度。 truncated：必选字段，取值0或1，表示标注内容是否被截断（0表示被截断、1表示没有截断）。 occluded：必选字段，取值0或1，表示标注内容是否被遮挡（0表示未遮挡、1表示遮挡） difficult：必选字段，取值0或1，表示标注目标是否难以识别（0表示容易识别、1表示难易识别）。 confidence：可选字段，标注目标的置信度，取值范围0-1之间，越接近1，表示标注越可信。 bndbox：必选字段，标注框的类型，可选值请参见表6。

表6 标注框类型描述
type	形状	标注信息
point	点	点的坐标。 <x>100<x> <y>100<y>
line	线	各点坐标。 <x1>100<x1> <y1>100<y1> <x2>200<x2> <y2>200<y2>
bndbox	矩形框	左上和右下两个点坐标。 <xmin>100<xmin> <ymin>100<ymin> <xmax>200<xmax> <ymax>200<ymax>
polygon	多边形	各点坐标。 <x1>100<x1> <y1>100<y1> <x2>200<x2> <y2>100<y2> <x3>250<x3> <y3>150<y3> <x4>200<x4> <y4>200<y4> <x5>100<x5> <y5>200<y5> <x6>50<x6> <y6>150<y6>
circle	圆形	圆心坐标和半径。 <cx>100<cx> <cy>100<cy> <r>50<r>

父主题： 数据集格式要求

上一篇：文本类数据集格式要求

下一篇：视频类数据集格式要求

意见反馈

文档内容是否对您有帮助？

有帮助没帮助

提供反馈

提交成功！非常感谢您的反馈，我们会继续努力做到更好！您可在我的云声建议查看反馈及问题处理状态。

系统繁忙，请稍后重试

在使用文档中是否遇到以下问题

内容与产品页面不一致

内容不易理解

缺失示例代码

步骤不可操作

搜不到想要的内容

缺少最佳实践

意见反馈（选填）

0/500

请至少选择一项反馈信息并填写问题反馈

字符长度不能超过500

直接提交取消

如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨

盘古Doer提问云社区提问