# Veri Setleri

`LeRobotDataset`, her LeRobot betiğinin okuduğu ve yazdığı biçimdir. Bölüm (episode) farkındalığına sahiptir, video gözlemlerini uçuşta çözer ve Hugging Face Hub ile çift yönlü veri alışverişi yapar.

Biçim ve ortak işlemler için [LeRobotDataset Kullanımı](../lerobot-dataset-v3), göç için [Büyük Veri Setlerini Taşıma](../porting_datasets_v3) ve CLI için [Araçlar](../tools) başlıklarına bakın.

## LeRobotDataset[[lerobot.datasets.LeRobotDataset]]

#### lerobot.datasets.LeRobotDataset[[lerobot.datasets.LeRobotDataset]]

```python
lerobot.datasets.LeRobotDataset(repo_id: str, root: str | pathlib.Path | None = None, episodes: list[int] | None = None, episode_filter: collections.abc.Callable[[dict], bool] | None = None, image_transforms: collections.abc.Callable | None = None, delta_timestamps: dict[str, list[float]] | None = None, tolerance_s: float = 0.0001, revision: str | None = None, force_cache_sync: bool = False, download_videos: bool = True, video_backend: str | None = None, return_uint8: bool = False, depth_output_unit: str = 'mm', batch_encoding_size: int = 1, rgb_encoder: lerobot.configs.video.RGBEncoderConfig | None = None, depth_encoder: lerobot.configs.video.DepthEncoderConfig | None = None, encoder_threads: int | None = None, streaming_encoding: bool = False, encoder_queue_maxsize: int = 30, repo_type: str = 'dataset', token: str | bool | None = None, video_decoder_cache_size: int | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L52)

#### add_frame[[lerobot.datasets.LeRobotDataset.add_frame]]

```python
add_frame(frame: dict)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L500)

**Parametreler:**

frame : Bu kare için özellik adlarını değerlerine eşleyen sözlük. `'task'` anahtarını içermelidir. Torch tensörleri numpy'ye dönüştürülür.

**Yükselen:** `RuntimeError`

- `RuntimeError` -- Veri seti salt okunursa (yazar yoksa).

Mevcut bölüm tamponuna tek bir kare ekleyin.

`DatasetWriter.add_frame` metoduna devreder. Veri seti yazma modunda olmalıdır (`create` veya `resume` ile oluşturulmuş).

#### clear_episode_buffer[[lerobot.datasets.LeRobotDataset.clear_episode_buffer]]

```python
clear_episode_buffer(delete_images: bool = True)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L532)

**Parametreler:**

delete_images : `True` ise, mevcut bölüm için diske yazılan geçici görüntü dosyalarını da kaldırır.

**Yükselen:** `RuntimeError`

- `RuntimeError` -- Veri seti salt okunursa (yazar yoksa).

Kaydetmeden mevcut bölüm tamponunu silin.

`DatasetWriter.clear_episode_buffer` metoduna devreder. Başarısız veya yarıda kalmış bir kayıt bölümünü silmek için kullanışlıdır.

#### clear_image_transforms[[lerobot.datasets.LeRobotDataset.clear_image_transforms]]

```python
clear_image_transforms()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L639)

Görsel gözlemlere uygulanan dönüştürmeyi kaldırın.

#### oluştur[[lerobot.datasets.LeRobotDataset.create]]

```python
create(repo_id: str, fps: int, features: dict, root: str | pathlib.Path | None = None, robot_type: str | None = None, use_videos: bool = True, tolerance_s: float = 0.0001, image_writer_processes: int = 0, image_writer_threads: int = 0, video_backend: str | None = None, batch_encoding_size: int = 1, rgb_encoder: lerobot.configs.video.RGBEncoderConfig | None = None, depth_encoder: lerobot.configs.video.DepthEncoderConfig | None = None, metadata_buffer_size: int = 10, streaming_encoding: bool = False, encoder_queue_maxsize: int = 30, encoder_threads: int | None = None, video_files_size_in_mb: int | None = None, data_files_size_in_mb: int | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L766)

**Parametreler:**

repo_id : Depo tanımlayıcısı, genellikle `'&amp;lcub;hf_user}/&amp;lcub;dataset_name}'`.

fps : Veri toplama sırasında kullanılan saniye başına kare sayısı.

features : Özellik adlarını tür/şekil meta verilerine eşleyen özellik spesifikasyonu sözlüğü.

root : Veri seti depolama için yerel dizin. Varsayılan olarak `$HF_LEROBOT_HOME/&amp;lcub;repo_id}`.

robot_type : Metadata'de saklanan isteğe bağlı robot türü dizgesi.

use_videos : `True` ise, görsel modaliteler MP4 videoları olarak saklanır. `False` ise, görseller olarak saklanır.

tolerance_s : Saniye cinsinden zaman damgası senkronizasyon toleransı.

image_writer_processes : Asenkron görüntü yazımı için alt süreç sayısı. `0` yalnızca iş parçacıklarının kullanılacağı anlamına gelir.

image_writer_threads : Asenkron görüntü yazımı için iş parçacığı sayısı.

video_backend : Video çözme arka ucu (geri okuma sırasında kullanılır).

batch_encoding_size : Toplu video kodlamadan önce birikmesi gereken bölüm sayısı. `1`, anında kodlama anlamına gelir.

rgb_encoder : Kameralar için video kodlayıcı ayarları (kodlayıcı, kalite vb.). `None` olduğunda `rgb_encoder_defaults()` kullanılır.

depth_encoder : Derinlik kameraları için video kodlayıcı ayarları (kodlayıcı, kalite vb.). `None` olduğunda `depth_encoder_defaults()` kullanılır.

encoder_threads : Kodlayıcı iş parçacığı sayısı (genel). `None` değeri, kararın codec tarafından verilmesine izin verir.

metadata_buffer_size : Parquet'e yazılmadan önce tamponlanan bölüm (episode) meta verisi kayıtlarının sayısı.

streaming_encoding : `True` ise, görüntüleri önce yazmak yerine yakalama sırasında video karelerini gerçek zamanlı olarak kodlar.

encoder_queue_maxsize : Akış kodlaması kullanılırken kamera başına tamponlanan maksimum kare sayısı.

**Dönüş:**

Yazma modunda yeni bir `LeRobotDataset`.

Veri kaydı için sıfırdan yeni bir LeRobotDataset oluşturun.

Aktif bir `DatasetWriter` içeren yazma modunda bir veri seti döndürür. Veri setini doldurmak için `add_frame` / `save_episode` kullanın, ardından bitince `finalize` çağırın.

#### finalize[[lerobot.datasets.LeRobotDataset.finalize]]

```python
finalize()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L554)

Bekleyen tüm işleri boşaltın ve yazarları kapatın.

Veri toplama/dönüştürme işleminden sonra çağrılmalıdır, aksi takdirde altbilgi (footer) meta verileri parquet dosyalarına yazılmayacak ve veri seti geçersiz olacaktır.

Güçsüz (idempotent) — birden fazla kez çağrılması güvenlidir. Bu açıkça çağrılmazsa __DatasetWriter.del__ bir güvenlik ağı olarak işlev görür.

#### get_raw_item[[lerobot.datasets.LeRobotDataset.get_raw_item]]

```python
get_raw_item(idx)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L615)

Görüntü dönüşümleri uygulanmadan ham bir kare alın.

`__getitem__`'nin aksine, bu, verilen dizindeki ham HF veri seti satırını delta-zaman damgası genişletmesi, video çözümü veya görüntü dönüşümleri olmadan döndürür.

#### has_pending_frames[[lerobot.datasets.LeRobotDataset.has_pending_frames]]

```python
has_pending_frames()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L547)

Bölüm tamponunda kaydedilmemiş kareler olup olmadığını kontrol edin.

#### push_to_hub[[lerobot.datasets.LeRobotDataset.push_to_hub]]

```python
push_to_hub(branch: str | None = None, tags: list | None = None, license: str | None = 'apache-2.0', tag_version: bool = True, push_videos: bool = True, private: bool | None = None, allow_patterns: list[str] | str | None = None, upload_large_folder: bool = False, **card_kwargs)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L647)

**Parametreler:**

branch : İtme yapılacak isteğe bağlı dal. Mevcut revizyondan oluşturulur, eğer mevcut değilse.

tags : Veri seti kartı için isteğe bağlı etiketler listesi.

license : Veri seti kartı için lisans tanımlayıcısı.

tag_version : `True` ise, mevcut kod tabanı sürümü için bir Git etiketi oluşturur.

push_videos : `False` ise, `videos/` dizinini yüklemeyi atlayın.

private : `True` ise özel bir depo oluşturur. Varsayılan olarak `None` ise, Hub'daki kuruluş varsayılanına göre hareket eder (yalnızca kuruluşları etkiler).

allow_patterns : Yüklemeye izin verilen dosyaları kısıtlayan glob desenleri.

upload_large_folder : Geriye dönük uyumluluk için korunur ve yok sayılır. `upload_folder`, tüm boyutlardaki veri kümelerini işler.

- ****card_kwargs**** : Veri seti kartı oluşturmaya aktarılan ek anahtar kelime argümanları.

Veri setini Hugging Face Hub'a yükleyin.

Depo yoksa oluşturur, tüm veri seti dosyalarını yükler (isteğe bağlı olarak videolar hariç), bir veri seti kartı oluşturur ve revizyonu mevcut kod tabanı sürümüyle etiketler.

#### devam et[[lerobot.datasets.LeRobotDataset.resume]]

```python
resume(repo_id: str, root: str | pathlib.Path | None = None, tolerance_s: float = 0.0001, revision: str | None = None, force_cache_sync: bool = False, video_backend: str | None = None, batch_encoding_size: int = 1, rgb_encoder: lerobot.configs.video.RGBEncoderConfig | None = None, depth_encoder: lerobot.configs.video.DepthEncoderConfig | None = None, encoder_threads: int | None = None, image_writer_processes: int = 0, image_writer_threads: int = 0, streaming_encoding: bool = False, encoder_queue_maxsize: int = 30, token: str | bool | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L880)

**Parametreler:**

repo_id : Mevcut veri setinin depolama kimliği.

root : Veri setinin yerel dizini. Sağlandığında, Hub indirmeleri doğrudan bu dizine aktarılır. Atlandığında, Hub indirmeleri `$HF_LEROBOT_HOME/hub` altında revizyon güvenli bir anlık görüntü önbelleği kullanır.

tolerance_s : Saniye cinsinden zaman damgası senkronizasyon toleransı.

revision : Git revizyonu (dal, etiket veya commit hash'i). Varsayılan olarak mevcut kod tabanı sürüm etiketidir.

force_cache_sync : `True` ise, yerel bir önbellek mevcut olsa bile Hub'dan yeniden meta verileri indirir.

video_backend : Verileri geri okumak için video çözme arka ucu.

batch_encoding_size : Toplu video kodlamadan önce birikmesi gereken bölüm sayısı.

rgb_encoder : Kameralar için video kodlayıcı ayarları (kodlayıcı, kalite vb.). `None` olduğunda `rgb_encoder_defaults()` kullanılır.

depth_encoder : Derinlik kameraları için video kodlayıcı ayarları (kodlayıcı, kalite vb.). `None` olduğunda `depth_encoder_defaults()` kullanılır.

encoder_threads : Kodlayıcı iş parçacığı sayısı (genel). `None` değeri, kararın codec tarafından verilmesine izin verir.

image_writer_processes : Asenkron görüntü yazma için alt süreçler.

image_writer_threads : Asenkron görüntü yazımı için iş parçacıkları.

streaming_encoding : `True` ise, video yakalama sırasında gerçek zamanlı olarak kodlanır.

encoder_queue_maxsize : Akış için kamera başına maksimum tamponlanan kare sayısı.

token : Hub'dan meta verilerin indirilmesi gerekiyorsa kullanılan kimlik doğrulama belirteci. Belirteç, veri seti örneğinde saklanmaz.

**Dönüş:**

Yazma modunda, bölümleri eklemeye hazır bir `LeRobotDataset`.

Mevcut bir veri setinde kaydı yeniden başlatın.

Mevcut bir veri setinden (yerel veya Hub) meta verileri yükler ve yeni bölümlerin eklenmesi için bir `DatasetWriter` oluşturur. Altta yatan HF veri seti, `finalize` çağrılıp ardından veri okunana kadar yüklenmez.

#### save_episode[[lerobot.datasets.LeRobotDataset.save_episode]]

```python
save_episode(episode_data: dict | None = None, parallel_encoding: bool = True)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L515)

**Parametreler:**

episode_data : İsteğe bağlı önceden oluşturulmuş bölüm sözlüğü. `None` ise, `add_frame` tarafından doldurulan dahili bölüm tamponunu kullanır.

parallel_encoding : `True` ise ve birden fazla kamera varsa, bir işlem havuzu kullanarak videoları paralel olarak kodlayın.

**Yükselen:** `RuntimeError`

- `RuntimeError` -- Veri seti salt okunursa (yazar yoksa).

Mevcut bölüm tamponunu diske kaydedin.

`DatasetWriter.save_episode` metoduna devreder. Videoları kodlar, parquet verilerini yazar ve meta verileri günceller. Ardından bölüm tamponu sıfırlanır.

#### select_columns[[lerobot.datasets.LeRobotDataset.select_columns]]

```python
select_columns(column_names: str | list[str])
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L607)

Altta yatan veri setinden belirli sütunları seçin.

Tüm özellikleri yüklemeye gerek kalmadan yeniden oynatma sırasında eylem dizilerini çıkarmak için kullanışlıdır. Yalnızca istenen sütunları içeren bir `datasets.Dataset` döndürür.

#### set_image_transforms[[lerobot.datasets.LeRobotDataset.set_image_transforms]]

```python
set_image_transforms(image_transforms: collections.abc.Callable | None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/lerobot_dataset.py#L634)

Görsel gözlemlere uygulanan dönüştürmeyi değiştirin.

## LeRobotDatasetMetadata[[lerobot.datasets.LeRobotDatasetMetadata]]

#### lerobot.datasets.LeRobotDatasetMetadata[[lerobot.datasets.LeRobotDatasetMetadata]]

```python
lerobot.datasets.LeRobotDatasetMetadata(repo_id: str, root: str | pathlib.Path | None = None, revision: str | None = None, force_cache_sync: bool = False, metadata_buffer_size: int = 10, repo_type: typing.Literal['dataset', 'bucket'] = 'dataset', token: str | bool | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L67)

LeRobot veri seti için meta veri kapsayıcısı.

Bir veri setinin yapısını, içeriğini ve istatistiklerini tanımlayan `info.json`, `stats.json`, `tasks.parquet` ve `episodes/` parquet dosyalarını yönetir.

#### oluştur[[lerobot.datasets.LeRobotDatasetMetadata.create]]

```python
create(repo_id: str, fps: int, features: dict, robot_type: str | None = None, root: str | pathlib.Path | None = None, use_videos: bool = True, metadata_buffer_size: int = 10, chunks_size: int | None = None, data_files_size_in_mb: int | None = None, video_files_size_in_mb: int | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L797)

**Parametreler:**

repo_id : Depo tanımlayıcısı (ör. `'user/my_dataset'`).

fps : Veri toplama sırasında kullanılan saniye başına kare sayısı.

features : Özellik adlarını tür/şekil meta verilerine eşleyen özellik spesifikasyonu sözlüğü.

robot_type : Metadata'de saklanan isteğe bağlı robot türü dizgesi.

root : Veri seti için yerel dizin. Varsayılan olarak `$HF_LEROBOT_HOME/&amp;lcub;repo_id}`. Zaten var olmamalıdır.

use_videos : `True` ise, görsel modaliteler MP4 videoları olarak kodlanır.

metadata_buffer_size : Parquet'e yazılmadan önce tamponlanan bölüm (episode) meta verisi kayıtlarının sayısı.

chunks_size : Parça dizini başına maksimum dosya sayısı. `None` varsayılanı kullanır.

data_files_size_in_mb : MB cinsinden maksimum parquet dosya boyutu. `None` varsayılanı kullanır.

video_files_size_in_mb : MB cinsinden maksimum video dosya boyutu. `None` varsayılanı kullanır.

**Dönüş:**

Yeni bir `LeRobotDatasetMetadata` örneği.

Sıfırdan yeni bir LeRobot veri seti için meta veri oluşturun.

Sağlanan özellik şeması ve veri kümesi ayarlarıyla diskte `info.json` dosyasını başlatır. Henüz herhangi bir bölüm verisi yazılmaz.

#### ensure_readable[[lerobot.datasets.LeRobotDatasetMetadata.ensure_readable]]

```python
ensure_readable()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L225)

Okuma işlemleri için meta verilerin tamamen yüklendiğinden emin olun.

Güçsüz (idempotent) — metadata zaten bellekteyse bu tek bir `is None` kontrolüdür. Aynı örnekte yazma modundan okuma moduna geçmeden önce bunu çağırın.

#### filter_episodes[[lerobot.datasets.LeRobotDatasetMetadata.filter_episodes]]

```python
filter_episodes(predicate: Callable, candidates: list[int] | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L235)

**Parametreler:**

predicate : Bölümleri seçmek için bölüm başına metadata satırları üzerinde kullanılan önerme.

candidates : Değerlendirmeyi kısıtlamak için isteğe bağlı bölüm dizinleri listesi.

**Dönüş:**

Tahmini koşulu sağlayan sıralı bölüm dizinlerinin listesi.

Belirli bir öngörü (predicate) koşulunu sağlayan meta verileri olan bölümleri filtreleyin.

#### finalize[[lerobot.datasets.LeRobotDatasetMetadata.finalize]]

```python
finalize()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L202)

Metadata tamponunu boşaltın ve parquet yazarını kapatın.

Güçsüz (idempotent) — birden fazla kez çağrılmak için güvenlidir.

#### get_chunk_settings[[lerobot.datasets.LeRobotDatasetMetadata.get_chunk_settings]]

```python
get_chunk_settings()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L774)

**Dönüş:**

chunks_size, data_files_size_in_mb ve video_files_size_in_mb içeren sözlük.

Güncel parça ve dosya boyutu ayarlarını getirin.

#### get_data_file_path[[lerobot.datasets.LeRobotDatasetMetadata.get_data_file_path]]

```python
get_data_file_path(ep_index: int)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L312)

**Parametreler:**

ep_index : Sıfır tabanlı bölüm indeksi.

**Dönüş:**

Bu bölümün verilerini içeren parquet dosyasının yolu.

**Yükselen:** `IndexError`

- `IndexError` -- `ep_index` aralık dışındaysa.

Verilen bölüm dizini için göreli parquet dosya yolunu döndürür.

#### get_task_index[[lerobot.datasets.LeRobotDatasetMetadata.get_task_index]]

```python
get_task_index(task: str)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L533)

Doğal dilde bir görev verildiğinde, görev zaten veri setinde mevcutsa task_index'ini, aksi halde None döndürür.

#### get_video_file_path[[lerobot.datasets.LeRobotDatasetMetadata.get_video_file_path]]

```python
get_video_file_path(ep_index: int, vid_key: str)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L336)

**Parametreler:**

ep_index : Sıfır tabanlı bölüm indeksi.

vid_key : Video akışını tanımlayan özellik anahtarı (ör. `'observation.images.laptop'`).

**Dönüş:**

Bu bölümün karelerini içeren video dosyasının yolu.

**Yükselen:** `IndexError` veya `ValueError`

- `IndexError` -- `ep_index` aralık dışındaysa.
- `ValueError` -- Veri seti hiçbir video saklamıyorsa (hiçbir `video_path` şablonu yoksa).

Verilen bölüm ve video anahtarı için göreli video dosya yolunu döndürür.

#### rescale_depth_stats[[lerobot.datasets.LeRobotDatasetMetadata.rescale_depth_stats]]

```python
rescale_depth_stats(output_unit: str)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L416)

Derinlik özellik istatistiklerini, kaydedilen birimlerinden `output_unit` birimine yerinde yeniden ölçeklendirin.

Derinlik istatistikleri, karelerin kaydedildiği birimde (`features[key]["info"]["depth_unit"]`) saklanırken, okuma sırasında kareler `output_unit` biriminde döndürülür. Bu, birim taşıyan istatistik girdilerini dönüştürerek istatistiklerin, tüketicilerin gördüğü karelerle eşleşmesini sağlar.

#### save_episode[[lerobot.datasets.LeRobotDatasetMetadata.save_episode]]

```python
save_episode(episode_index: int, episode_length: int, episode_tasks: list, episode_stats: dict, episode_metadata: dict)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L643)

**Parametreler:**

episode_index : Kaydedilen bölümün sıfır tabanlı indeksi.

episode_length : Bu bölümdeki kare sayısı.

episode_tasks : Bu bölüm için görev açıklamalarının listesi.

episode_stats : Bu bölüm için özellik başına istatistikler.

episode_metadata : Ek meta veriler (parça/dosya dizinleri, kare aralıkları, video zaman damgaları vb.).

Bölüm (episode) meta verilerini kalıcı hale getirin, veri seti bilgilerini güncelleyin ve istatistikleri birleştirin.

Bölümün meta verilerini tamponlu parquet yazıcısına yazar, `info.json` içindeki toplam bölüm/kare sayaçlarını artırır ve bölümün istatistiklerini devam eden veri seti istatistikleriyle birleştirir.

#### save_episode_tasks[[lerobot.datasets.LeRobotDatasetMetadata.save_episode_tasks]]

```python
save_episode_tasks(tasks: list)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L543)

**Parametreler:**

tasks : Doğal dilde benzersiz görev açıklamalarının listesi.

**Yükselen:** `ValueError`

- `ValueError` -- `tasks` parametresi yinelenen değerler içeriyorsa.

Mevcut bölüm için görevleri kaydedin ve diske kalıcı olarak yazın.

Veri setinde henüz mevcut olmayan yeni görevlere ardışık görev dizinleri atanır ve görevler parquet dosyasına eklenir.

#### update_chunk_settings[[lerobot.datasets.LeRobotDatasetMetadata.update_chunk_settings]]

```python
update_chunk_settings(chunks_size: int | None = None, data_files_size_in_mb: int | None = None, video_files_size_in_mb: int | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L739)

**Parametreler:**

chunks_size : Parça dizini başına maksimum dosya sayısı. None ise mevcut değeri korur.

data_files_size_in_mb : MB cinsinden veri parquet dosyaları için maksimum boyut. None ise mevcut değeri korur.

video_files_size_in_mb : MB cinsinden video dosyaları için maksimum boyut. None ise mevcut değer korunur.

Veri seti oluşturulduktan sonra parça ve dosya boyutu ayarlarını güncelleyin.

Bu, kullanıcıların yapılandırıcıyı değiştirmeden depolama düzenini özelleştirmesine olanak tanır. Bu ayarlar, bölümlerin (episodes) nasıl parçalandığını ve yeni dosyalar oluşturulmadan önce dosyaların ne kadar büyüyebileceğini kontrol eder.

#### update_video_info[[lerobot.datasets.LeRobotDatasetMetadata.update_video_info]]

```python
update_video_info(video_key: str | None = None, video_encoder: lerobot.configs.video.VideoEncoderConfig | None = None, preserve_keys: collections.abc.Iterable[str] | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/dataset_metadata.py#L685)

**Parametreler:**

video_key : Verilirse, yalnızca bu video anahtarını günceller. Aksi takdirde veri setindeki tüm video anahtarlarını günceller.

video_encoder : Videoları üretmek için kullanılan Encoder yapılandırması. Sağlandığında, alanları, akıştan türetilen `video.*` girdilerinin yanında `video.&amp;lt;field>` girdileri olarak kaydedilir (bkz. `get_video_info`).

preserve_keys : Mevcut değerleri yeniden hesaplanmak yerine korunan anahtarlar. `None` (varsayılan) her anahtarı yeniden hesaplar.

`info.json` dosyasındaki özellik başına video bilgilerini doldurun veya yenileyin.

Uyarı: bu fonksiyon ilk bölüm videolarından bilgi yazar ve tüm videoların aynı şekilde kodlandığını varsayar. Ayrıca, bu, ilk bölümün mevcut olduğunu varsaydığını da ifade eder.

Videoları her zaman yeniden tarama yapar ve yeniden hesaplanan her anahtar için mevcut bilgileri üzerine yazar. `preserve_keys`, yeniden hesaplanmak yerine mevcut değerlerinin korunması gereken anahtarları listeler (ör. `is_depth_map` ve derinlik kuantizasyon parametreleri gibi veriye özgü girdiler).

## MultiLeRobotDataset[[lerobot.datasets.MultiLeRobotDataset]]

#### lerobot.datasets.MultiLeRobotDataset[[lerobot.datasets.MultiLeRobotDataset]]

```python
lerobot.datasets.MultiLeRobotDataset(repo_ids: list, root: str | pathlib.Path | None = None, episodes: dict | None = None, image_transforms: collections.abc.Callable | None = None, delta_timestamps: dict[str, list[float]] | None = None, tolerances_s: dict | None = None, download_videos: bool = True, video_backend: str | None = None, token: str | bool | None = None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/multi_dataset.py#L34)

Birden fazla alt `LeRobotDataset` içeren bir veri seti.

Altta yatan `LeRobotDataset`ler fiilen birleştirilir ve bu sınıf, `LeRobotDataset`'in API yapısının büyük bölümünü benimser.

#### clear_image_transforms[[lerobot.datasets.MultiLeRobotDataset.clear_image_transforms]]

```python
clear_image_transforms()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/multi_dataset.py#L111)

Bu veri setinden ve alt öğelerinden dönüştürmeyi kaldırın.

#### set_image_transforms[[lerobot.datasets.MultiLeRobotDataset.set_image_transforms]]

```python
set_image_transforms(image_transforms: collections.abc.Callable | None)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/multi_dataset.py#L103)

Bu veri setinin ve alt öğelerinin dönüşümünü değiştirin.

## StreamingLeRobotDataset[[lerobot.datasets.StreamingLeRobotDataset]]

#### lerobot.datasets.StreamingLeRobotDataset[[lerobot.datasets.StreamingLeRobotDataset]]

```python
lerobot.datasets.StreamingLeRobotDataset(repo_id: str, root: str | pathlib.Path | None = None, episodes: list[int] | None = None, image_transforms: collections.abc.Callable[[torch.Tensor], torch.Tensor] | None = None, delta_timestamps: dict[str, list[float]] | None = None, tolerance_s: float = 0.0001, revision: str | None = None, force_cache_sync: bool = False, streaming: bool | None = None, buffer_size: int = 1000, max_num_shards: int = 16, seed: int = 42, rng: numpy.random._generator.Generator | None = None, shuffle: bool = True, return_uint8: bool = False, depth_output_unit: str = 'mm', video_backend: str | None = None, data_root: str | pathlib.Path | None = None, episode_pool_size: int | None = None, prefetch_episodes: int = 8, byte_budget_gb: float = 8.0, repeat: bool = False, repo_type: typing.Literal['dataset', 'bucket'] = 'dataset', token: str | bool | None = None, decode_threads: int = 2, decoded_queue_size: int = 8, video_decoder_cache_size: int | None = None, native_http_connections: int | None = None, native_http_subranges: int = 1, sidecar_lock_timeout_s: float = 1800, sampling_strategy: lerobot.streaming.episode_pool.StreamingSamplingStrategy | str = <StreamingSamplingStrategy.REMAINING: 'remaining'>)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L169)

LeRobot veri kümeleri için bölüm kapsamındaki akış okuyucu.

Metadata yerel olarak önbelleğe alınırken, her rank yalnızca sahip olduğu tam bölümler için gereken Parquet satırlarını ve MP4 bayt aralıklarını okur. N adet DataLoader işçisi ile her işçi, rank'ın bölümlerinin ayrık ve kare dengeli bir kısmına sahiptir; kendi bölüm havuzuna ve bayt bütçesinin 1/N'ine sahiptir. Her sürecin kendi Python GIL'i olduğundan, N işçi örnekleri paralel olarak çözer ve birleştirir. Bölüm sahipliği ayrık olup her seçilen kare, her yinelemede tam olarak bir kez üretilir. MP4 yan dosyaları (sidecar) otomatik olarak çözümlenir ve yoksa revizyon anahtarlı yerel bir önbellekte oluşturulur.

Örnek:

Temel kullanım:
```python
from lerobot.datasets.streaming_dataset import StreamingLeRobotDataset

# Create a streaming dataset with delta timestamps
delta_timestamps = {
    "observation.image": [-1.0, -0.5, 0.0],  # 1 sec ago, 0.5 sec ago, current
    "action": [0.0, 0.1, 0.2],  # current, 0.1 sec future, 0.2 sec future
}

dataset = StreamingLeRobotDataset(
    repo_id="your-dataset-repo-id",
    delta_timestamps=delta_timestamps,
)

# Iterate over the dataset
for i, item in enumerate(dataset):
    print(f"Sample {i}: Episode {item['episode_index']} Frame {item['frame_index']}")
    # item will contain stacked frames according to delta_timestamps
    if i >= 10:
        break
```

#### load_state_dict[[lerobot.datasets.StreamingLeRobotDataset.load_state_dict]]

```python
load_state_dict(state: dict)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L975)

**Parametreler:**

state (*dict[str, int]*) : Rank-yerel epoch, örnek ofseti ve batch boyutu. Eksik anahtarlar varsayılan olarak 0, 0 ve 1 değerlerini alır.

**Yükselen:** `ValueError`

- `ValueError` -- Epoch veya offset negatifse veya batch boyutu pozitif değilse.

Atlanan örnekleri getirmeden sonraki iteratörün çapa konumunu geri yükleyin.

Not: Çapa sırasını yeniden üretmek için aynı veri seti, tohum, örnekleyici, havuz ayarları, dağıtık topoloji ve DataLoader işçi sayısı gereklidir. Birden fazla işçi kullanıldığında, ofset, `batch_size` boyutundaki tam partiler cinsinden rank'ın ofsetidir; DataLoader, partileri işçilerinden sırayla aldığı için her işçi kendi kısmını türetir. Rastgele görüntü dönüşümleri bu yöntemle geri yüklenmez.

#### num_episodes_for_rank[[lerobot.datasets.StreamingLeRobotDataset.num_episodes_for_rank]]

```python
num_episodes_for_rank(rank: int, world_size: int)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L775)

Bir eğitim rank'ının sahip olduğu tam bölüm sayısını döndürür.

#### num_frames_for_rank[[lerobot.datasets.StreamingLeRobotDataset.num_frames_for_rank]]

```python
num_frames_for_rank(rank: int, world_size: int, num_workers: int)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L762)

Dengeli tüm-epizot bölme altında, bir eğitim sırasına ait kareleri döndürür.

#### set_data_parallel_shard[[lerobot.datasets.StreamingLeRobotDataset.set_data_parallel_shard]]

```python
set_data_parallel_shard(rank: int, world_size: int)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L671)

Veri paralel sırasını ve dünya boyutunu, `torch.distributed` ve ortamdan önce sabitleyin.

Oluşturulan bir DataLoader işçisinin başlatılmış bir `torch.distributed` bileşeni yoktur; değerler ona pickling yoluyla ulaşır.

#### set_epoch[[lerobot.datasets.StreamingLeRobotDataset.set_epoch]]

```python
set_epoch(epoch: int)
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L1005)

**Parametreler:**

epoch (`int`) : Karıştırma (shuffle) etkinleştirildiğinde bir sonraki örnek planını tohumlamak için kullanılan kapsama (coverage) dönemi.

**Yükselen:** ``ValueError``

- ``ValueError`` -- Epoch negatifse.

Negatif olmayan bir epoch seçin ve rank-yerel devam ofsetini sıfırlayın.

#### state_dict[[lerobot.datasets.StreamingLeRobotDataset.state_dict]]

```python
state_dict()
```

[Kaynak](https://github.com/huggingface/lerobot/blob/v0.7.0/src/lerobot/datasets/streaming_dataset.py#L958)

**Dönüş:** `dict[str, int]`

Epoch, üretilen örnek ofseti ve devam etme parti boyutu.

İteratörün mevcut sıra-yerel konumunu döndürür.

Not: DataLoader ön yükleme (prefetch) ile, üretilen örnekler eğitim tarafından henüz tüketilmemiş olabilir. Eğitim hattı, konumunu tamamlanan adımlardan geri yükler. Birden fazla DataLoader işçisi (worker) kullanıldığında, her işçi süreci yalnızca kendi konumunu tutar.

