#101 数据集与算法属性扩充

管理端数据集新增数据集配置页面，管理员可以对数据集类型进行增删改查
管理端算法管理新增算法配置页面，管理员可以对算法类型和算法框架进行增删改查

管理端管理员新增预制数据集可以选择已有数据集类型，新增预制算法可以选择已有算法类型和算法框架

用户端用户新增预制数据集可以选择已有数据集类型，新增预制算法可以选择已有算法类型和算法框架

引用该标签的数据集被删除后，该标签仍然不能删除

管理端 数据管理新增数据集配置页面 新增数据集用途标签，后端返回默认数据集用途标签，管理员可以自定义数据集用途标签，数据类型又后端返回，数据集配置页面不进行数据类型配置，算法管理新增模型类别配置和算法类型配置，后端返回基础模型类别和算法类型，管理员不能删除

数据集应该有数据类型，标注类型：
数据类型默认应有：图片，文件，视频，音频等
标注类型默认应有：图像分类，目标检测，目标跟踪，语义分割，文本分类，中文分词，音频分类，数据增强等

算法应有模型类别，框架类型：
模型类别：目标检测，图像分类，行为分析，异常检测，目标跟踪，模型优化等
框架类型：tensorflow，pytorch,mindspore，keras等

模型应有模型类别，框架类型：
模型类别：目标检测，图像分类，行为分析，异常检测，目标跟踪，模型优化等
框架类型：tensorflow，pytorch,mindspore等

这一期先做数据集类型和标注，算法管理中模型类别和框架类型
数据集应该有数据类型，标注类型：
数据类型默认应有：图片，文件，视频，音频等
标注类型默认应有：图像分类，目标检测，目标跟踪，语义分割，文本分类，中文分词，音频分类，数据增强等

算法应有模型类别，框架类型：
模型类别：目标检测，图像分类，行为分析，异常检测，目标跟踪，模型优化等
框架类型：tensorflow，pytorch,mindspore，keras等

具体方案见原型图

数据集的数据类型和标注类型、算法的模型类别和框架类型各增加一个“其他”类型