导入数据至盘古平台

创建导入任务

创建导入任务前，请先按照数据集格式要求提前准备数据。

平台支持使用OBS服务导入数据，请详见通过控制台快速使用OBS。

创建导入任务步骤如下：

1. 登录ModelArts Studio大模型开发平台，在“我的空间”模块，单击空间名称进入操作空间。
   图1 我的空间
   
2. 在左侧导航栏中选择“数据工程 > 数据获取 > 导入任务”，单击界面右上角“创建导入任务”。
3. 在“创建导入任务”页面，选择“数据集类型”、“文件格式”和“导入来源”。

4. 导入来源选择“OBS”，单击“”，在“存储位置”弹窗中选择需导入的数据，单击“确定”。
   图2 选择导入的数据
   

   导入来源可选择“本地上传”，单击“添加文件”，选择需要导入的文件。

   图2 本地上传

   

5. 填写“数据集名称”和“描述”，可选择填写“扩展信息”。
   扩展信息包括“数据集属性”与“数据集版权”：

   • 数据集属性。可以给数据集添加行业、语言和自定义信息。
   • 数据集版权。训练模型的数据集除用户自行构建外，也可能会使用开源的数据集。数据集版权功能主要用于记录和管理数据集的版权信息，确保数据的使用合法合规，并清晰地了解数据集的来源和相关的版权授权。通过填写这些信息，可以追溯数据的来源，明确数据使用的限制和许可，从而保护数据版权并避免版权纠纷。
6. 单击页面右下角“立即创建”，回退至“导入任务”页面，在该页面可以查看数据集的任务状态，若状态为“运行成功”，则数据导入成功。
7. 导入后的数据集可在“数据工程 > 数据管理 > 数据集 > 原始数据集”中查看。
   

   如果任务状态为“运行失败”，可能由以下原因导致：

   • 文件后缀校验不通过，需要检查文件后缀是否一致。例如，选择创建csv格式的数据集时，文件后缀应为“.csv”。
   • 文件内容校验不通过，需要检查上传的文件数据格式是否正确。可以在“创建导入任务”页面下载数据样例进行比对。

管理原始数据集

数据导入成功后，可对原始数据集进行统一管理，支持的操作如下：查看数据集的基本信息、数据血缘、操作记录以及对下载、删除数据集等操作。

1. 登录ModelArts Studio大模型开发平台，单击进入操作空间。
2. 在左侧导航栏中选择“数据工程 > 数据管理 > 数据集 > 原始数据集”。
3. 数据集支持“数据集名称”、“数据集模态”、“数据集属性名称”等属性类型进行搜索、过滤。

   

4. 单击需要查看的数据集名称。
   • 查看数据集基本信息。在“基本信息”页签，可以查看数据详情、数据来源以及扩展信息。
   • 在扩展信息内，可以根据用户需求设置数据集属性，包括数据集属性名称、行业、语言、自定义标签。单击编辑图标，即可对数据集的扩展信息进行编辑和保存，如图3
     图3 编辑扩展信息
     
   • 下载原始数据集。在“数据预览”页签，可以查看数据内容，单击右上角“下载”即可下载原始数据集。
   • 查看数据血缘。在“数据血缘”页签，可以查看当前数据集所经历的完整操作，如加工、标注等。数据血缘上钻至OBS源文件下钻至模型训练。
   • 查看操作记录。在“操作记录”页签，可以查看当前数据集的操作记录，如创建该数据集的时间、状态、操作人员等。
5. 删除原始数据集。单击操作列的“删除”，并在弹窗中单击“确定”。
   

   删除“原始数据集”属于高危操作，删除前，请确保该数据集不再使用。