你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

创建和浏览带标签的 Azure 机器学习数据集

2025-06-30

重要

本文提供有关使用 Azure 机器学习 SDK v1 的信息。 SDK v1 自 2025 年 3 月 31 日起弃用。对它的支持将于 2026 年 6 月 30 日结束。可以在该日期之前安装和使用 SDK v1。

建议在 2026 年 6 月 30 日之前过渡到 SDK v2。有关 SDK v2 的详细信息，请参阅什么是 Azure 机器学习 CLI 和 Python SDK v2？以及 SDK v2 参考。

本文介绍如何从 Azure 机器学习数据标记项目导出数据标签并将其加载为常用格式，例如 pandas 数据帧，以便进行数据浏览。

什么是带标签的数据集

将带标签的 Azure 机器学习数据集称为带标签的数据集。这些特定数据集是具有专用标签列的 TabularDatasets，只能创建为 Azure 机器学习数据标签项目的输出。创建数据标记项目以进行图像标记或文本标记。机器学习支持用于图像分类的数据标记项目（无论是多标签的还是多类的），以及带边界框的对象标识。

先决条件

Azure 订阅。如果还没有 Azure 订阅，可以在开始前创建一个免费帐户。
适用于 Python 的 Azure 机器学习 SDK，或 Azure 机器学习工作室访问权限。
机器学习工作区。请参阅创建工作区资源。
对 Azure 机器学习数据标记项目的访问权限。如果没有标记项目，请首先为图像标记或文本标记创建一个。

导出数据标签

完成数据标记项目后，可以从标记项目中导出标签数据。通过执行此操作，可以捕获对数据及其标签的引用，并以 COCO 格式将其导出或导出为 Azure 机器学习数据集。

使用标记项目“项目详细信息”页上的“导出”按钮。

可可

COCO 文件是在 Azure 机器学习工作区的默认 Blob 存储中创建的，该存储位于 export/coco 内的某个文件夹中。

注意

在对象检测项目中，COCO 文件中的 bbox: [x,y,width,height] 导出值是标准化的。它们的缩放比例为 1。例如，在像素为 640x480 的图像中，位置为 (10, 10)、宽度为 30 像素、高度为 60 像素的边框被标注为 (0.015625. 0.02083, 0.046875, 0.125)。由于坐标已规范化，因此所有图像的“宽度”和“高度”显示为“0.0”。可以使用 OpenCV 或 Pillow(PIL) 等 Python 库来获取实际的宽度和高度。

Azure 机器学习数据集

可以在 Azure 机器学习工作室的“数据集”部分中访问导出的 Azure 机器学习数据集。数据集“详细信息”页还提供了演示如何从 Python 访问标签的示例代码。

导出的数据集

提示

将标记的数据导出到 Azure 机器学习数据集后，可以使用 AutoML 生成基于标记数据训练的计算机视觉模型。要了解详细信息，请参阅设置 AutoML，以使用 Python 训练计算机视觉模型

通过 pandas 数据帧浏览带标签的数据集

将标记数据集加载到 pandas 数据帧中，以使用常用的开源库通过 to_pandas_dataframe() 类中的 azureml-dataprep 方法进行数据浏览。

可以使用以下 shell 命令安装该类：

pip install azureml-dataprep

在以下代码中，animal_labels 数据集是之前保存到工作区的标记项目的输出。导出的数据集是一个 TabularDataset。

适用于：适用于 Python 的 Azure 机器学习 SDK v1

import azureml.core
from azureml.core import Dataset, Workspace

# get animal_labels dataset from the workspace
animal_labels = Dataset.get_by_name(workspace, 'animal_labels')
animal_pd = animal_labels.to_pandas_dataframe()