数据集概述

数据集用于为开发环境和训练任务提供输入数据。您可以从平台提供的数据集中选择所需内容，并在创建工作负载时挂载读取。

基本概念

概念	说明
数据源	文件实际存放的位置，可以是 Volume 目录，也可以是对象存储路径。
数据集	可供工作负载选择和挂载读取的数据内容。
容器挂载路径	数据集挂载到开发环境或训练任务后，代码在容器内读取数据的位置，例如 `/mnt/datasets/corpus`。
数据集缓存	可选的数据读取加速能力，用于提升重复读取同一数据集时的访问效率。缓存不是数据备份，也不是使用数据集的必经步骤。

数据集	适合场景	使用方式
内置数据集	使用平台维护的公共数据集，快速验证开发环境、Notebook 或训练任务链路。	在创建开发环境或训练任务时选择并挂载。

选择数据集前，请确认目标数据集在当前区域、集群和工作负载中可用。

数据集通常作为输入数据使用。挂载数据集不会自动改写脚本，也不会转换数据格式。代码中的数据路径需要与容器内挂载路径保持一致。如果程序需要写入输出文件、缓存文件、训练产物或模型文件，请使用可写 Volume。不要将输出写入数据集挂载路径，也不要将数据集挂载到镜像自带的关键目录。