数据集管理¶

数据集用于保存微调训练所需的数据。同一个数据集可以创建多个版本，每个版本分别关联集群中的文件存储或 PVC 存储，并记录数据格式与字段映射。

前提条件¶

在左侧导航栏展开 模型微调，选择 数据集，点击 创建数据集。
填写数据集名称和描述，点击确定。名称为必填项；页面提示名称最长 63 个字符，支持小写字母、数字、- 和 .，并须以字母或数字开头和结尾。描述为可选项，最多 800 个字符。
返回列表，确认新数据集已创建，点击其名称进入详情页。

在数据集详情页的 数据版本 区域，点击 新增版本。
填写版本标识和集群，选择 存储位置。根据数据所在位置，完成以下一种配置：
- 文件存储：填写或选择文件目录；尚未准备目录时，可点击 去创建。
- PVC 存储：选择命名空间和 PVC；如数据在 PVC 的某个目录下，填写子路径。
选择 数据集类型，并按实际数据字段填写 字段映射。页面提供 Alpaca、ShareGPT 两种类型，以及 加载模板 入口；截图中的任务类型显示为 SFT。字段映射应与存储目录内的实际数据结构一致。

点击确定，在版本列表核对版本标识、集群、存储位置、存储目录、挂载路径和任务类型。

数据集版本列表

参数项	说明
版本标识	区分同一数据集的不同版本，必填。
集群	数据所在的目标集群，必填。
存储位置	选择文件存储或 PVC 存储，必填；后续字段随选择而变化。
目录 / 命名空间、PVC、子路径	指向实际数据文件所在位置。文件存储需要目录；PVC 存储需要命名空间和 PVC，子路径按需填写。
数据集类型	按数据内容选择 Alpaca 或 ShareGPT。
任务类型	截图中的微调任务类型为 SFT。
字段映射	根据数据字段与训练格式建立对应关系，可从模板开始配置。
挂载路径	版本列表展示任务访问该数据集时使用的路径。

在版本列表中点击目标版本右侧的 ┇，选择更新，按需修改版本配置后点击确定。更新后应在版本列表重新核对存储目录和挂载路径。

更新数据集版本

数据集及版本准备好后，创建微调配置。