数据集卡片
什么是数据集卡片
数据集卡片（Dataset Card）是数据集的附带文件，是一个带有元数据的Markdown文件，该文件头部的YAML部分包含数据集元数据。数据集卡片涵盖了关键的数据集信息，主要通过渲染数据集仓库中的README.md获得。其有助于帮助用户理解和正确使用数据集，建议您根据规范撰写数据集卡片。
数据集卡片应涵盖哪些信息
数据集卡片应包含如下内容：
- 数据集名称
- 数据集概述： 包括数据集的格式和结构、数据来源、数据标注方式等
- 使用方式： 尽可能提供详细范例和代码说明数据集的使用方式，对数据集运行环境、使用框架等做出介绍和解释
- 适用场景： 介绍数据集的使用场景、预期用途和潜在的限制
- 支持的模型： 说明数据集所支持的模型信息
数据集卡片元数据
数据集卡片是由YAML元数据和Markdown文本内容组成。您可以通过编辑README.md文件的头部YAML信息来添加元数据，用“---”进行分隔。Markdown文本展示了数据集信息和相关说明。
您可以参考以下模版撰写您的数据集卡片。
---
# 许可证
license: apache-2.0
# 用户自定义标签
tags:
- image-classification
- customize tags
---
<!--- 以上为YAML格式，提供许可证和任务描述--->
<!--- 以下为markdown格式的数据集描述--->
# 数据集名称
介绍数据集的概要信息
## 数据集详情
### 数据集描述
对数据集进行描述，包括开发者，数据集的语言，许可证说明等内容。
## 用途
### 使用方法
介绍数据集的使用方法
## 数据集结构
介绍数据集的结构信息
## 数据集创建
### 源数据
#### 数据收集和处理
介绍数据收集的过程和处理方法
#### 源数据创建者
介绍源数据的创建者相关的信息
## 风险和局限性
介绍数据集的风险或者限制
### 建议
给用户的建议
已支持的数据集标签
| 任务（英文） | 任务（中文） |
|---|---|
| text-classification | 文本分类 |
| relation-extraction | 关系抽取 |
| zero-shot | 零样本学习 |
| translation | 机器翻译 |
| token-classification | 词分类 |
| conversational | 智能对话 |
| text-generation | 文本生成 |
| table-question-answering | 表格问答 |
| sentence-similarity | 句子相似度 |
| fill-mask | 完形填空 |
| summarization | 摘要总结 |
| question-answering | 问答 |
| image-to-text | 文字识别 |
| image-classification | 图像分类 |
| object-detection | 通用检测 |
| image-segmentation | 图像分割 |
| image-editing | 图像编辑 |
| image-generation | 图像生成 |
| auto-speech-recognition | 语音识别 |
| text-to-speech | 语音合成 |
| speech-signal-process | 语音信号处理 |
| keyword-spotting | 语音唤醒 |
| audio-classification | 音频分类 |
| voice-activity-detection | 语音端点检测 |
| object-tracking | 目标追踪 |
| autonomous-driving | 自动驾驶 |
| video-generation | 视频生成 |
| video-super-resolution | 视频超分辨率 |
| video-segmentation | 视频分割 |
| image-captioning | 图像描述 |
| visual-grounding | 视觉定位 |
| text-to-image | 文本生成图片 |
| feature-extraction | 特征抽取 |
| biomedicine | 生物医学 |
| protein-structure | 蛋白质结构生成 |