创建数据集

这个功能解决什么问题

项目创建完成后，下一步就是把准备好的训练数据导入平台。数据集就是项目里存放图片和标注的容器，后续的标注、版本发布、模型训练都依赖它。

本页介绍如何在一个项目工作区里上传第一个 ZIP 数据包，让平台自动识别格式并创建数据集。

前置条件

• 已经创建了一个项目。
• 已经进入该项目的工作区。
• 手头有一个按支持格式整理好的 .zip 数据包，单个文件默认不超过 5GB。

仅支持 ZIP 上传

当前版本的项目工作区只支持上传 ZIP 压缩包来创建数据集，不支持其他导入方式。请提前把数据按数据集格式整理成 .zip 文件再上传。

操作步骤

1. 进入数据集菜单

   在项目工作区左侧导航点击「数据集」。

2. 打开创建页面

   如果项目还没有数据集，会自动进入「创建数据集」页面；如果已经有数据集，则会直接进入数据集详情。

3. 填写基本信息

   在表单里填写数据集名称（必填）和描述（可选）。名称会作为数据集在列表中的展示名，描述便于团队协作时了解内容。

4. 上传 ZIP 数据包

   把准备好的 .zip 文件拖入上传区，或者点击上传区选择文件。文件大小决定上传方式：小文件直接上传，大文件自动启用分片上传。

5. 确认格式识别结果

   上传完成后，系统会自动校验压缩包内的目录结构，识别到的格式、图片数、标注数和类别名（前 20 个）会显示在上传区下方，请核对是否与预期一致。

6. （可选）设置数据集分割

   如果想让平台自动划分训练集 / 验证集 / 测试集，在右侧「数据集分割」区勾选「启用自动分割」，然后拖动滑块调整比例。默认 70 / 15 / 15，三个滑块联动维护总和始终为 100%，不需要手动凑齐。

7. 提交创建

   点击页面底部的「创建数据集」按钮，开始上传和处理。

8. 等待处理完成

   上传和后台处理（解压、格式识别、结构校验）会依次进行，页面会显示阶段性进度文案。完成后会自动跳转到数据集详情页。

图1：创建数据集页面，左侧为名称表单和上传区，右侧为分割设置

图2：格式校验结果会显示识别到的格式、图片数、标注数和类别名

图3：大文件分片上传会显示速度和剩余时间

字段说明

字段	类型	必填	默认值	说明
datasetName	文本	必填	—	数据集名称，会作为列表中的展示名。
description	多行文本	可选	—	数据集的简要说明，便于团队协作时了解内容。
file	文件（ZIP）	必填	—	仅支持 .zip 格式，单个文件默认最大 5GB（可由平台管理员调整）。
splitEnabled	开关	可选	关闭	勾选后可以设置训练集、验证集、测试集的比例。
trainRatio	滑块（联动）	可选	70	训练集占比（%）。拖动时验证集和测试集按当前比例自动分配剩余份额，总和始终为 100%。
valRatio	滑块（联动）	可选	15	验证集占比（%）。拖动时训练集和测试集按当前比例自动分配剩余份额。
testRatio	滑块（联动）	可选	15	测试集占比（%）。拖动时训练集和验证集按当前比例自动分配剩余份额。

上传大小与分片

分片上传

• 文件小于 100MB：直接上传，显示进度条。
• 文件 100MB 以上：自动启用分片上传，并发上传多个分片，界面会显示速度和剩余时间。
• 这里的 100MB 阈值是默认值，可由平台管理员调整。
• 上传完成后，系统会在后台依次执行解压、格式识别和结构校验，处理过程会显示阶段性进度文案。

自动校验格式

自动校验格式

• 上传完成后，系统会自动识别 ZIP 内的数据格式（YOLO、COCO、VOC 或纯图片）。
• 校验结果会显示识别到的格式名称、图片数、标注数和类别名（前 20 个）。
• 如果格式无法识别或目录结构不合规，上传区会显示具体错误，请按提示调整后重新上传。
• 各种格式的目录结构要求详见数据集格式。

分割设置：滑块联动规则

• 默认不启用自动分割，所有图片会归入训练集。
• 启用后默认 70 / 15 / 15。三个滑块自动维护总和为 100%，不会再出现「比例总和必须为 100%」之类的拦截提示。
• 拖动任一滑块：被拖动的滑块锁定为新值，剩下两个按它们当前的相对比例瓜分余下的份额。
• 比如当前 70 / 15 / 15，把训练集拖到 50%，剩余的 50% 会按验证集 : 测试集 = 1 : 1 瓜分，得到 50 / 25 / 25。
• 不启用分割也不影响后续使用：你可以在数据集详情页里手动整理，或者直接在发布版本时再处理。

数据集详情页里的「分割模式」

创建页只用按比例随机分割一种策略。数据集创建之后，在详情页的「分割」面板里可以再做更精细的调整，那里提供两种模式：

• 全部图片重新分配：把训练集、验证集、测试集打乱后按新比例重新抽。
• 仅从训练集划分：保留现有的验证集和测试集，只从训练集里抽出图片补足新的比例。

注意「仅从训练集划分」的百分比基数是整个数据集（train + val + test）的总图数，不是只看现有训练集。比如数据集一共 1000 张，你想最终验证集占 15%，就填 15，平台会算出最终验证集应该是 150 张，再按规则从训练集补足差额。

结果

创建成功后，你会进入数据集详情页。此时数据集里已经有了第一批图片和标注，接下来可以：

• 在「图片」标签页浏览和抽检样本；
• 在「类别」标签页管理类别名和颜色；
• 继续上传更多数据补充工作区；
• 发布一个数据集版本，为训练任务提供稳定输入。

常见问题

校验失败怎么办

如果 ZIP 内的目录结构不符合任何一种支持格式，上传区会显示具体错误。请按提示调整压缩包内的目录结构后重新上传。常见错误有：图片和标签没放在对应目录、classes.txt 的类别顺序与标签里的类别 ID 对不上等。

上传中断了能否续传

分片上传过程中如果网络中断，需要重新选择文件再上传。当前版本不支持断点续传，但分片上传本身会把大文件拆成小块并发上传，整体速度比一次性上传更稳。

一个项目只能有一个数据集

每个项目有且仅有一个数据集。数据集就是通过本页面上传 ZIP 创建的，不会随项目自动生成。一个项目里如果已经有数据集，就不会再出现创建入口，后续添加数据请进入数据集详情页继续上传。