TensorBay 适用于算法研究的各个阶段

数据集管理从0到1

• 在TensorBay中，可通过以下三种方式管理自有数据：

1. 上传自定义数据集，托管在TensorBay中；

2. 将托管在其他云服务上的数据集转存到TensorBay上；

3. 授权TensorBay读取和管理您在其他云服务上的数据。

新建数据集管理云服务上的数据

• 如果您还没有可用的数据集，Open Datasets 提供海量优质的公开数据集，部分数据集支持 Fork 功能，直接云端读取，无需下载，省去数据结构转换，即刻使用。

• 完成创建数据集后，可使用可视化功能，在线预览数据集、查看数据集标注标签分布等，快速使用TensorBay管理您的数据集。

在算法研究中使用数据集

• 通过开发者工具，使用Python SDK、CLI或Open API来创建数据集、读取数据和标注，在pipline中使用数据集。TensorBay提供了可直接复制的代码示例，附在每个功能的对应页面，方便随时查阅。

• 通过开发者工具，可以直接上传、发布数据集，轻松实现数据集的迭代。此功能将在数据清洗与备份的流程中提高您的效率，只要完成了数据集发布，就可以在未来快捷地选用最合适的数据集版本。

加速数据集准备与版本管理

• 如果只有原数据文件，且正在为数据标注、管理标注信息苦恼，可以使用应用中的GroundTruth Tool或Teragood Service进行数据标注。团队版支持多人同时标注，事半功倍。

• 面对数据集太小或存在严重的数据分布不平衡的问题，难以满足研究需求，可尝试合并数据集或根据标签筛选并新建数据集，缩短数据集的准备时间。

• 如果需要进行数据清洗，强烈建议使用TensorBay强大的数据版本管理功能，不仅可以发布不同版本的数据，还能随时回退至任一已发布的版本，获得真正的清晰、可追溯的版本管理体验。