Knowledge Center

创建数据集

支持的文件格式

我们支持多种格式的文件类型，您只需要导入特定格式的文件，我们会帮您自动生成可用于训练的数据集。

目前我们支持的文档格式：

  1. 表格文件：
    1. .csv
    2. .xlsx
  2. 文本文件：
    1. .json 文件；

下载数据模板

您也可以直接下载数据集模板，并按照按照模板文件的样式整理自己的数据文档即可，如下图所示：

Untitled

表格类型文件

若需要通过上传表格文件创建数据集，您需要执行以下步骤：

  1. 创建一个.xlsx / .csv 格式的文件；
  2. 在文件中建立一个包含三列内容：“Instruction”、“Input”与“Output”的表格；
  3. 用自己收集或者整理出来的数据填充到对应字段；
  4. 请注意，“Instruction”字段内所有信息都必须清晰明确地描述如何将 'Input' 转换成 'Output'；
  5. 完成后保存该文件；
  6. 最后将此文件上传到我们系统中即可！

我们希望通过以上详述对您在使用过程中有所帮助！如果有任何其他问题或需要进一步指导，请随时联系我们，我们将竭诚为您服务！

文本格式文件

若需要通过上传文本格式文件创建数据集，您的文本文件需要符合 Json 的数据格式：

  1. Json 格式文件：数据以键值对形式存在： 每一条数据都由 “键” 和 “值” 组成，形式为 "键":"值"。例如，在 Model Factory 中，每条数据都有三个键：Instruction ， Input 和 Output。
  2. 键值对 之间需要使用逗号分隔： 每个条数据都由多个 键值对 构成，键值对 之间需要使用逗号 , 进行分割。
  3. 多条数据使用逗号分隔： 在 Model Factory 中，一条数据由 Instruction ， Input 和 Output 这 3 个键值对构成，每条数据之间需要使用逗号 , 进行分割。
  4. 数据集合用大括号包围： 所有的 键值对 需要被大括号 {}包围起来，代表这是一个对象。即 每条数据都需要使用大括号 {}包围起来。
  5. 总体结构用方括号包围： 若有多个这样的集合，则整个文档需要被方括号 []包围，代表这是一个数组。即 所有数据需要方括号 []包围。

根据以上规则，我们就可以得到如下格式：

[
	{
		"instruction": "说明或指示", 
		"input": "输入内容", 
		"output": "输出结果" 
	}, 
	{ 
		"instruction": "另一段说明或指示", 
		"input": "另一段输入内容", 
		"output": "另一段输出结果" 
	}
]

请注意：

  • 所有的字符串类型必须用双引号""包裹起来。
  • .json文件不支持注释。