引言

在人工智能的浪潮中，魔乐社区（Modelers）以其海量优质的AI模型库、庞大的数据集资源，以及直观易用的工具，逐渐成为开发者们追捧的热点。其中的应用开发套件openMind[i]，为开发者在分享和使用数据集时提供强有力的支持。本期，我们来分享将模型分享到魔乐社区的方式。

数据集贡献流程

上传数据集到Modelers数据集仓库的基本流程如下：

  1. 注册用户并创建Token
  2. 创建数据集仓库
  3. 上传数据集
  4. 数据集文件规范

Tips： 在魔乐社区分享模型时，需要明确自己是以个人名义还是代表组织进行贡献。本文以个人贡献 为例子，如果您选择作为组织贡献者，建议参考管理组织来进行组织和成员的管理。

  1. 注册用户并创建Token
  • 在魔乐社区分享数据集之前，需要先注册一个社区账号。
  • 首先您需要明确自己是以个人名义还是代表组织进行贡献。
  • 如果您选择作为个人贡献者，在魔乐社区注册账号后，即可贡献数据集。
  • 由于在后续与魔乐社区的交互操作过程中需要使用到Token，请您登录魔乐社区，在个人中心单击访问令牌，新建一个具有Write权限的令牌。

快速入门：如何在魔乐社区上传数据集_readme

  • 此Token仅在创建时展示，请妥善记录保存。
  • Read：此Token权限只支持下载。
  • Write：此Token权限支持上传和下载。
  1. 创建数据集仓库
  • 登录魔乐社区，在主页右上角找到"用户头像"并在下拉框中找到并单击创建数据集按钮，如下图所示。
  • 填写仓库信息后，单击创建按钮，即可创建一个数据仓库。

快速入门：如何在魔乐社区上传数据集_https_02

数据集仓库创建完成后，会自动生成一个数据集卡片，数据集卡片是一个包含数据集信息的README.md文件。为了充分展示您的数据集能力、约束等信息，您可以在页面上直接编辑README.md文件。

  1. 上传数据集

3.1 安装Git LFS

执行以下命令安装git lfs。安装只需执行一次即可，无需在每个本地仓库都执行。

git lfs install

3.2 追踪大型文件

在本地Git仓库中追踪大型文件（100MB以上）。根据实际需要，追踪相应文件，可以是某一类型，也可以是具体的文件名。示例如下：

git lfs track "*.7z" "*.bin" "*.bz2" "*.ckpt" "*.h5" "*.lfs.*" "*.mlmodel" "*.model"\
 "*.npy" "*.npz" "*.onnx" "*.pb" "*.pickle" "*.pkl" "*.pt" "*.pth" "*.rar" "*.safetensors"\
 "saved_model/**/*" "*.tar.*" "*.tar" "*.tgz" "*.zip" "*tfevents*" "*.gz"

也可以追踪特定大型文件，示例如下：

git lfs track "big_file.bin"

3.3 使用Git上传

在本地仓库中，将数据集文件添加到Git跟踪中，然后使用Git命令上传。

git add your-model-file
git commit -m 'commit message'
git push

3.4 Git上传账号密码

git上传时需要输入账号与密码，示例如下：

Username for 'https://modelers.cn': 魔乐社区账号名
Password for 'https://modelers.cn': 权限为Write的token
  1. 使用openMind Hub Client上传数据集

使用openMind Hub Client[ii]管理数据集，包括创建数据集和上传数据集到魔乐社区。

from openmind_hub import upload_folder

upload_folder(
   token="xxx",
   folder_path="/path/to/local/dataset",
   repo_id="username/my-dataset",
)
  • token：对目标仓库具有可写权限的访问令牌，必选。
  • folder_path: 要上传的本地文件夹的路径，必选。
  • repo_id：目标仓库，必选。

如果您想对要上传的文件类型进行过滤，可以使用allow_patterns和ignore_patterns参数。

  • allow_patterns：只允许某类文件上传。如allow_patterns=["*.bin", "*.txt"]表示只上传以.bin和.txt结尾的文件。
  • ignore_patterns：忽略某类文件的上传。如ignore_patterns=["*.log"]表示忽略所有日志文件。
  1. 数据集文件规范

数据集上传过程目前只对License有强校验。License相关信息在README.md里的metadata更新，目前的规范如下：

  • 不允许License为空
  • 不允许License为[]
  • 支持单一协议
    license: mit
  • 支持多协议, 以下为2种支持的写法
    #格式1 license: [mit, gfdl]
    #格式2 license:
  • mit
  • gfdl

结语

作为AI生态社区的新星，魔乐社区致力于为开发者打造一个开放、共享的人工智能生态社区。本次我们主要分享在魔乐社区上传数据集的经验，希望能够助力开发者们更高效地利用社区资源，促进知识交流和技术进步。

通过上传高质量的数据集，开发者不仅可以为自己的项目提供支持，还能与其他社区成员共享数据，从而在机器学习、深度学习等领域推动模型训练和算法研究的发展。我们也提供了一系列的工具和指导文档，帮助开发者们更好地管理和发布数据集，共同构建一个健康、活跃的AI技术交流平台。


[i] openMind，一款应用使能开发套件，为各大模型社区提供支持，提供海量模型/数据托管能力、在线推理体验服务，同时具备模型训练、微调、评估、推理等全流程开发能力。开发者通过简单的API接口即可实现微调、推理等任务，极大缩短开发周期，助力AI技术的创新发展。目前，openMind已支持欢迎在魔乐等AI生态社区，欢迎了解。

[ii] openMind Hub Client介绍：https://modelers.cn/docs/zh/openmind-hub-client/overview.html