面向 AI 团队的数据集管理与版本控制

数据集管理帮助 AI 团队将已标注数据转化为有组织、可追溯的训练输入。在 Unitlab 中，团队可以直观检查样本、筛选相关数据、管理版本，并准备审核后的训练输出。它将数据标注结果与可重复的交付工作流连接起来。

数据整理侧重于发现和选择相关源数据。数据集管理侧重于组织、直观检查、筛选已标注数据并管理版本，以便后续使用。两者将有针对性的数据选择与可追溯的训练数据交付连接起来。

可以。查看原始数据和标注，使用可用的筛选条件与属性缩小待检查样本的范围。在准备训练发布版本之前，通过质量保证、审核和返工解决标注问题。

数据集版本保存某一时点数据集所包含的源数据。标注发布版本则冻结项目的标注输出，用于交付。使用数据集版本确定输入数据，使用项目发布版本确定用于训练的标注输出。

可以。已发布的数据集版本可以为另一个项目提供源数据。项目使用独立副本，因此后续标注更改不会修改源数据集。请查看数据集版本与历史记录了解具体流程。

Unitlab 支持图像、视频、音频、文本、文档和 PDF、HTML 网页、医学影像、全切片病理图像、地理空间影像、传感器和时间序列数据以及表格数据工作流。关联数据需要共享上下文时，可了解多模态标注，并为每个训练工作流选择适合的输出格式。

检查样本，并通过标注质量工作流解决未完成的问题。记录源数据集版本，为已审核标注创建项目发布版本，再以适合训练流水线的受支持格式导出。这样更便于追溯输入数据和交付的标签。

通过API 文档、Python SDK 指南和CLI 文档了解支持的集成步骤。将数据集版本和发布版本标识与训练运行记录一同保存，以便团队追踪使用了哪些数据和标注。