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
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
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
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
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
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
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
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 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(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
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
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
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
CloudPond云服务
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
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
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
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
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
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
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
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
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
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
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
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
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
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
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
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
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
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 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
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
数字内容生产线 MetaStudio
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
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
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
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
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

创建ModelArts数据集

更新时间:2025-01-08 GMT+08:00
分享

在ModelArts进行数据准备,首先需要先创建一个数据集,后续的操作如数据导入、数据分析、数据标注等,都是基于数据集来进行的。

说明:

数据集功能仅在以下Region支持:华北-北京四、华北-北京一、华东-上海一、华南-广州、西南-贵阳一、中国-香港、亚太-新加坡、亚太-曼谷、亚太-雅加达、拉美-圣地亚哥、拉美-圣保罗一、拉美-墨西哥城二。

数据集的类型

当前ModelArts支持如下格式的数据集。

  • 图片:对图像类数据进行处理,支持 .jpg、.png、.jpeg、.bmp四种图像格式,支持用户进行图像分类、物体检测、图像分割类型的标注。
  • 音频:对音频类数据进行处理,支持.wav格式,支持用户进行声音分类、语音内容、语音分割三种类型的标注。
  • 文本:对文本类数据进行处理,支持.txt、.csv格式,支持用户进行文本分类、命名实体、文本三元组三种类型的标注。
  • 视频:对视频类数据进行处理,支持.mp4格式,支持用户进行视频标注。
  • 自由格式:管理的数据可以为任意格式,目前不支持标注,适用于无需标注或开发者自行定义标注的场景。如果您的数据集需存在多种格式数据,或者您的数据格式不符合其他类型数据集时,可选择自由格式的数据集。
  • 表格

    表格:适合表格等结构化数据处理。数据格式支持csv。不支持标注,支持对部分表格数据进行预览,但是最多支持100条数据预览。

不同类型数据集支持的功能列表

其中,不同类型的数据集支持不同的功能,如智能标注、团队标注等。详细信息参考表1

表1 不同类型的数据集支持的功能

数据集类型

标注类型

创建数据集

导入数据

导出数据

发布数据集

修改数据集

管理版本

智能标注

团队标注

自动分组

数据特征

图片

图像分类

支持

支持

支持

支持

支持

支持

支持

支持

支持

支持

物体检测

支持

支持

支持

支持

支持

支持

支持

支持

支持

支持

图像分割

支持

支持

支持

支持

支持

支持

-

-

支持

-

音频

声音分类

支持

支持

-

支持

支持

支持

-

-

-

-

语音内容

支持

支持

-

支持

支持

支持

-

-

-

-

语音分割

支持

支持

-

支持

支持

支持

-

支持

-

-

文本

文本分类

支持

支持

-

支持

支持

支持

-

支持

-

-

命名实体

支持

支持

-

支持

支持

支持

-

支持

-

-

文本三元组

支持

支持

-

支持

支持

支持

-

支持

-

-

视频

视频

支持

支持

-

支持

支持

支持

-

-

-

-

自由格式

自由格式

支持

-

_

支持

支持

支持

-

-

-

-

表格

表格

支持

支持

-

支持

支持

支持

-

-

-

-

规格限制

  • 除表格类型之外的数据集(如视频、文本、音频等),单个数据集的最大样本数量限制:1000000,最大标签数量限制:10000。
  • 除图片类型之外的数据集(如视频、文本、音频等),单个样本大小限制:5GB。
  • 针对图片类数据集(物体检测、图像分类、图像分割),单个图片大小限制:25MB。
  • 单个manifest文件大小限制:5GB。
  • 文本文件单行大小限制:100KB。
  • 数据集标注结果文件大小限制:100MB。

前提条件

  • 数据集功能需要获取访问OBS权限,在未进行委托授权之前,无法使用此功能。在使用数据集功能之前,请前往“权限管理”页面,使用委托完成访问授权。
  • 已创建用于存储数据的OBS桶及文件夹。并且,数据存储的OBS桶与ModelArts在同一区域。当前不支持OBS并行文件系统,请选择OBS对象存储。
  • ModelArts不支持加密的OBS桶,创建OBS桶时,请勿开启桶加密。

创建数据集(图片、音频、文本、视频、自由格式)

  1. 登录ModelArts管理控制台,在左侧菜单栏中选择“资产管理> 数据集”,进入数据集管理页面。
  2. 单击“创建数据集”,进入“创建数据集”页面,根据数据类型以及数据标注要求,选择创建不同类型的数据集。填写数据集基本信息。
    图1 参数填写

    • 名称:数据集的名称,可自定义您的数据集。
    • 描述:该数据集的详情信息。
    • 数据类型:根据实际需求,选择对应的数据类型。
    • 数据来源:
      1. OBS导入数据

        用户在OBS中有准备好的数据时,选择“OBS”“导入路径”“数据标注状态”“标注格式”(当数据标注状态选择“已标注”时,需要填写该参数)和“数据集输出位置”。针对不同类型的数据集,数据输入支持的标注格式不同,ModelArts目前支持的标注格式及其说明请参见不同类型数据集支持的功能列表

      2. 从AI Gallery下载数据

        当用户没有准备数据时,可以从AI Gallery上下载数据创建数据集。选择“AI Gallery”并选中列表中的一个资产。

        • 下载至OBS桶位置(数据集输入位置):选择一个空目录用来存储下载的数据集。
        • 数据集输出位置:数据集输出位置的OBS路径,此位置会存放输出的标注信息等文件,此位置不能和OBS数据源中的文件路径相同或为其子目录,请确保您的OBS文件名称以字母、数字或下划线命名。
        图2 数据来源选择AI Gallery
      3. 从本地上传数据。

        ModelArts还支持从本地上传数据。本地上传时选择“上传数据存储路径”“数据标注状态”“数据集输出路径”。单击“文件上传”,上传您本地的数据。并选择“标注格式”(当数据标注状态为“已标注”时,需要关注该参数)。针对不同类型的数据集,数据输入支持的标注格式不同,ModelArts目前支持的标注格式及其说明请参见不同类型数据集支持的功能列表

        图3 数据来源选择本地上传
        图4 数据来源选择本地上传

    • 更多参数填写请参见表2
      表2 数据集的详细参数

      参数名称

      说明

      导入路径

      选择需要导入数据的OBS路径,此位置会作为数据集的数据存储路径。

      说明:

      “导入路径”不支持OBS并行文件系统下的路径,请选择OBS对象桶。

      创建数据集时,此OBS路径下的数据会导入数据集,后续如果直接在OBS中修改数据,会造成数据集的数据与OBS的数据不一致,可能导致部分数据不可用。如果需要在数据集中修改数据,建议使用同步数据源或4章节从OBS目录导入数据到数据集功能。

      超出数据集的样本和标签配额,会导致数据无法正常导入。

      数据标注状态

      选择数据的标注状态,分为“未标注”和“已标注”。

      选择“已标注”时,需指定标注格式,并保证数据文件满足相应的格式规范,否则可能存在导入失败的情况。

      仅图片(物体检测、图像分类、图像分割)、音频(声音分类)、文本(文本分类)类型的标注任务支持导入已标注数据。

      数据集输出位置

      选择数据集输出位置的OBS路径,此位置会存放输出的标注信息等文件。

      说明:
      • 请确保您的OBS路径以字母、数字、下划线命名,不能包含特殊字符,例如:~'@#$%^&*{}[]:;+=<>/以及空格。
      • “数据集输出位置”不能与“数据输入路径”为同一路径,且不能是“数据输入路径”的子目录。
      • “数据集输出位置”建议选择一个空目录。
      • “数据集输出位置”不支持OBS并行文件系统下的路径,请选择OBS对象桶。

      高级特征选项-按标签导入

      默认关闭,可通过勾选高级选项提供增强功能。

      如“按标签导入”:系统将自动获取此数据集的标签,您可以单击“添加标签”添加相应的标签。此字段为可选字段,您也可以在导入数据集后,在标注数据操作时,添加或删除标签。

  3. 参数填写完成,单击“提交”,即可完成数据集的创建。

创建数据集(表格)

  1. 登录ModelArts管理控制台,在左侧菜单栏中选择“资产管理> 数据集”,进入数据集管理页面。
  2. 单击“创建数据集”,进入“创建数据集”页面,根据数据类型以及数据标注要求,选择创建表格类型的数据集。填写数据集基本信息。
    图5 表格类型的参数

    • 名称:数据集的名称,可自定义您的数据集。
    • 描述:该数据集的详情信息。
    • 数据类型:根据实际需求,选择对应的数据类型。
    • 更多参数填写请参考表3
      表3 数据集的详细参数

      参数名称

      说明

      数据源(“OBS”

      • “文件路径”:单击输入框右侧按钮,可打开当前账号下的所有OBS桶,请选择需要导入的数据文件所在目录。
      • “导入是否包含表头”:默认开启,表示导入文件包含表头。
        • 如果您的原始表格中已包含表头,开启时,会将导入文件的第一行(表头)作为列名,无需再手动修改Schema信息。
        • 如果您的原始表格中没有表头,需手动关闭该开关,并更改Schema信息中的“列名”为attr_1、attr_2、……、attr_n,其中attr_n为最后一列,代表预测列。

      OBS的详细功能说明,请参见《OBS用户指南》。

      数据源(“DWS”

      • “集群名称”:系统自动将当前账号下的DWS集群展现在列表中,您可以在下拉框中选择您所需的DWS集群。
      • “数据库名称”:根据选择的DWS集群,填写数据所在的数据库名称。
      • “表名称”:根据选择的数据库,填写数据所在的表。
      • “用户名”:输入DWS集群管理员用户的用户名。
      • “密码”:输入DWS集群管理员用户的密码。

      DWS的详细功能说明,请参见《DWS用户指南》。

      说明:

      从DWS导入数据,需要借助DLI的功能,如果用户没有访问DLI服务的权限,需根据页面提示创建DLI的委托。

      数据源(“DLI”

      • “队列名称”:系统自动将当前账号下的DLI队列展现在列表中,您可以在下拉框中选择您所需的队列。
      • “数据库名称”:根据选择的队列展现所有的数据库,请在下拉框中选择您所需的数据库。
      • “表名称”:根据选择的数据库展现此数据库中的所有表。请在下拉框中选择您所需的表。

      DLI的详细功能说明,请参见《DLI用户指南》。

      数据源(“MRS”

      • “集群名称”:系统自动将当前账号下的MRS集群展现在此列表中,但是流式集群不支持导入操作。请在下拉框中选择您所需的集群。
      • “文件路径”:根据选择的集群,输入对应的文件路径,此文件路径为HDFS路径。
      • “导入是否包含表头”:开启表示导入时将表头同时导入。

      MRS的详细功能说明,请参见《MRS用户指南》。

      本地上传

      上传数据存储路径:选择对应的数据存储的OBS路径。

      Schema信息

      表格的列名和对应类型,需要跟导入数据的列数保持一致。请根据您导入的数据输入“列名”,同时选择此列的“类型”。其中支持的类型见表4

      单击“添加Schema信息”,即可增加一行列。创建数据集时必须指定schema,且一旦创建不支持修改。

      从OBS数据源导入数据,会自动获取文件路径下csv文件的schema,如果多个csv文件的schema不一致会报错。

      说明:

      从OBS选择数据后,Schema信息的列名会自动带出,且默认为表格中的第一行数据。为确保预测代码的正确性,请您手动更改Schema信息中的“列名”为attr_1、attr_2、……、attr_n,其中attr_n为最后一列,代表预测列。

      数据集输出位置

      选择表格数据存储路径(OBS路径),此位置会存放由数据源导入的数据。此位置不能和OBS数据源中的文件路径相同或为其子目录。

      创建表格数据集后,在存储路径下会自动生成以下4个目录。

      • annotation:版本发布目录,每次发布版本,会在此目录下生成和版本名称相同的子目录。
      • data:数据存放目录,导入的数据会放在此目录。
      • logs:日志存放目录。
      • temp:临时工作目录。
      表4 Schema数据类型说明

      类型

      描述

      存储空间

      范围

      String

      字符串

      -

      -

      Short

      有符号整数

      2字节

      -32768-32767

      Int

      有符号整数

      4字节

      -2147483648~2147483647

      Long

      有符号整数

      8字节

      -9223372036854775808~9223372036854775807

      Double

      双精度浮点型

      8字节

      -

      Float

      单精度浮点型

      4字节

      -

      Byte

      有符号整数

      1字节

      -128-127

      Date

      日期类型,描述了特定的年月日,格式:yyyy-MM-dd,例如2014-05-29

      -

      -

      Timestamp

      时间戳,表示日期和时间。格式:yyyy-MM-dd HH:mm:ss

      -

      -

      Boolean

      布尔类型

      1字节

      TRUE/FALSE

      说明:

      使用CSV文件时,需要注意以下两点:

      • 当数据类型选择String时,默认会把双引号内的数据当作一条,所以同一行数据需要保证双引号闭环,否则会导致数据过大,无法显示。
      • 当CSV文件的某一行的列数与定义的Schema不同,则会忽略当前行。
  3. 参数填写完成后,单击“提交”,即可完成数据集的创建。

修改数据集基本信息

  1. 登录ModelArts管理控制台,在左侧菜单栏中选择“资产管理>数据集”,进入“数据集”管理页面。
  2. 在数据集列表中,单击操作列的“更多>修改”。修改数据集基本信息,然后单击“确定”完成修改。
    表5 参数说明

    参数

    说明

    名称

    数据集的名称,支持1~64位可见字符。名称只能是字母、中文、数字、下划线或者中划线组成的合法字符串。且只能以字母或者中文字符开头。

    描述

    数据集的简要描述。

提示

您即将访问非华为云网站,请注意账号财产安全

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