功能介绍
查看指定作业类型的资源规格。
创建训练作业和预测作业需要指定资源规格。
URI
GET /v1/{project_id}/job/resource-specs
参数说明如
表1所示。
表1 参数说明 参数 | 是否必选 | 参数类型 | 说明 |
|---|
project_id | 是 | String | 用户项目ID。获取方法请参见获取项目ID和名称。 |
表2 查询检索参数说明 参数 | 是否为必选 | 参数类型 | 说明 |
|---|
job_type | 否 | String | 指定作业的类型，可选的有“train”和“inference”。查询自动学习资源规格无需此参数。 |
engine_id | 否 | Long | 指定作业的引擎ID，默认为“0”。查询自动学习资源规格无需此参数。 |
project_type | 否 | Integer | 项目类型。默认为“0”。 - 0：非自动学习项目。
- 1：自动学习，图像分类。
- 2：自动学习，物体检测。
- 3：自动学习，预测分析。
|
响应消息
响应参数如
表3所示。
表3 响应参数 参数 | 参数类型 | 说明 |
|---|
is_success | Boolean | 请求是否成功。 |
error_message | String | 调用失败时的错误信息。 调用成功时无此字段。 |
error_code | String | 调用失败时的错误码，具体请参见错误码。 调用成功时无此字段。 |
spec_total_count | Integer | 作业资源规格总数。 |
specs | specs结构数组 | 资源规格参数列表，如表4所示。 |
表4 specs属性列表说明 参数 | 参数类型 | 说明 |
|---|
spec_id | Long | 资源规格的ID。 |
core | String | 资源规格的核数。 |
cpu | String | 资源规格CPU内存。 |
gpu_num | Integer | 资源规格GPU的个数。 |
gpu_type | String | 资源规格GPU的类型。 |
spec_code | String | 云资源的规格类型。 |
max_num | Integer | 可以选择的最大节点数量。 |
unit_num | Integer | 计价单元个数。 |
storage | String | 资源规格的ssd大小。 |
interface_type | Integer | 接口类型。 |
no_resource | Boolean | 所选规格资源是否充足，True代表没有资源。 |
请求示例
如下以查看训练作业的资源规格为例。
GET https://endpoint/v1/{project_id}/job/resource-specs?job_type=train 响应示例
- 成功响应示例
{
"specs": [
{
"spec_id": 2,
"core": "2",
"cpu": "8",
"gpu_num": 0,
"gpu_type": "",
"spec_code": "modelarts.vm.cpu.2u",
"unit_num": 1,
"max_num": 2,
"storage": "",
"interface_type": 1,
"no_resource": false
}
],
"is_success": true,
"spec_total_count": 1
} - 失败响应示例
{
"is_success": false,
"error_message": "Error string",
"error_code": "ModelArts.0105"
}
