查询训练作业版本详情

功能介绍

根据作业ID查看指定的训练作业详情。

URI

GET /v1/{project_id}/training-jobs/{job_id}/versions/{version_id}

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。
job_id	是	Long	训练作业的ID。
version_id	是	Long	训练作业的版本ID。

请求消息

无请求参数。

响应消息

响应参数如表2所示。

表2 响应参数
参数	参数类型	说明
is_success	Boolean	请求是否成功。
job_id	Long	训练作业的ID。
job_name	String	训练作业的名称。
job_desc	String	训练作业的描述信息。
version_id	Long	训练作业的版本ID。
version_name	String	训练作业的版本名称。
pre_version_id	Long	训练作业前一版本的名称。
engine_type	integer	训练作业的引擎类型。“engine_type”和“engine_name”对应关系如下： engine_type：1，engine_name: "TensorFlow" engine_type：2，engine_name: "MXNet" engine_type：3，engine_name: "Ray" engine_type：4，engine_name":"Caffe" engine_type：5，engine_name: "Spark_MLlib" engine_type：9，engine_name: "XGBoost-Sklearn" engine_type：10，engine_name: "PyTorch" engine_type：12，engine_name: "Horovod"
engine_name	String	训练作业的引擎名称。目前支持的引擎名称如下： Ascend-Powered-Engine Caffe Horovod MXNet PyTorch Ray Spark_MLlib TensorFlow XGBoost-Sklearn MindSpore-GPU
engine_id	Long	训练作业的引擎ID。
engine_version	String	训练作业使用的引擎版本。
status	Integer	训练作业的状态，详细作业状态列表请参见作业状态参考。
app_url	String	训练作业的代码目录。
boot_file_url	String	训练作业的代码启动文件。
create_time	Long	训练作业的创建时间。
parameter	Array<Object>	训练作业的运行参数。当为自定义镜像训练作业的时候，此参数为容器环境变量。详细请参见表3。
duration	Long	训练作业的运行时间，单位为毫秒。
spec_id	Long	训练作业资源规格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。
worker_server_num	Integer	训练作业worker的个数。
data_url	String	训练作业的数据集。
train_url	String	训练作业输出文件OBS路径。
log_url	String	训练作业的日志OBS输出路径URL，默认为空。如：“/usr/train/”。
dataset_version_id	String	训练作业的数据集版本ID。
dataset_id	String	训练作业的数据集ID。
data_source	Array<Object>	训练作业使用的多数据集。具体请参见表4。
model_id	Long	训练作业的模型ID。
model_metric_list	String	训练作业的模型评测参数。具体请参见表5。
system_metric_list	Object	训练作业的系统监控指标。具体请参见表6。
user_image_url	String	自定义镜像训练作业的自定义镜像的SWR-URL。
user_command	String	自定义镜像训练作业的自定义镜像的容器的启动命令。
resource_id	String	训练作业的计费资源ID。
dataset_name	String	训练作业的数据集名称。
spec_code	String	训练作业资源规格。
start_time	Long	训练作业开始时间。
volumes	Array<Object>	训练作业可使用的存储卷。具体请参见表11。
dataset_version_name	String	训练作业的数据集名称。
pool_name	String	资源池名称。
pool_id	String	资源池ID。
nas_mount_path	String	SFS Turbo (NAS) 训练本地挂载路径。如：“/home/work/nas”。
nas_share_addr	String	SFS Turbo (NAS) 共享路径。如：“192.168.8.150:/”。
nas_type	String	当前仅支持 nfs。如：“nfs”。

表3 parameter属性列表
参数	参数类型	说明
label	String	参数名称。
value	String	参数值。

表4 data_source属性列表
参数	参数类型	说明
dataset_id	String	训练作业的数据集ID。
dataset_version	String	训练作业的数据集版本ID。
type	String	数据集类型。 “obs”：表示使用OBS的数据。 “dataset”：表示使用数据集的数据。
data_url	String	OBS的桶路径。

表5 model_metric_list属性列表
参数	参数类型	说明
metric	JSON Array	训练作业的模型单个分类测评参数。具体请参见表7。
total_metric	JSON	训练作业的模型总测评参数。具体请参见表9。

表6 system_metric_list属性列表
参数	参数类型	说明
cpuUsage	Array	训练作业CPU资源占用率。
memUsage	Array	训练作业内存资源占用率。
gpuUtil	Array	训练作业GPU资源占用率。

表7 metric属性列表
参数	参数类型	说明
metric_values	JSON	训练作业模型单个分类测评参数指标。具体请参见表8。
reserved_data	JSON	预留字段。
metric_meta	JSON	训练作业模型单个分类，包含类ID和类名。

表8 metric_values属性列表
参数	参数类型	说明
recall	Float	训练作业模型单个分类召回率。
precision	Float	训练作业模型单个分类精确率。
accuracy	Float	训练作业模型单个分类准确率。

表9 total_metric属性列表
参数	类型	说明
total_metric_meta	JSON	预留字段。
total_reserved_data	JSON	预留字段。
total_metric_values	JSON	训练作业模型总测评参数指标。具体请参见表10。

**表10** total_metric_values属性列表
参数	参数类型	说明
f1_score	Float	训练作业模型总召回。
recall	Float	训练作业模型总召回率。
precision	Float	训练作业模型总精确率。
accuracy	Float	训练作业模型总准确率。

**表11** volumes属性列表
参数	是否必选	参数类型	说明
nfs	否	Object	共享文件系统类型的存储卷。仅支持运行于已联通共享文件系统网络的资源池的训练作业。具体说明请参见表6。
host_path	否	Object	主机文件系统类型的存储卷。仅支持运行于专属资源池中的训练作业。具体说明请参见表7。

**表12** nfs属性列表
参数	是否必选	参数类型	说明
id	是	String	SFS Turbo 文件系统 ID。
src_path	是	String	SFS Turbo 文件系统地址。
dest_path	是	String	训练作业的本地路径。
read_only	否	Boolean	dest_path 是否为只读权限，默认为读写权限。 true：只读权限 false：默认值，读写权限

**表13** host_path属性列表
参数	是否必选	参数类型	说明
src_path	是	String	宿主机的本地路径。
dest_path	是	String	训练作业的本地路径。
read_only	否	Boolean	dest_path 是否为只读权限，默认为读写权限。 true：只读权限 false：默认值，读写权限

请求示例

如下以查询“job_id”为10，“version_id”为10的作业为例。

GET    https://endpoint/v1/{project_id}/training-jobs/10/versions/10

响应示例

成功响应示例

{
    "is_success": true,
    "job_id": 10,
    "job_name": "TestModelArtsJob",
    "job_desc": "TestModelArtsJob desc",
    "version_id": 10,
    "version_name": "jobVersion",
    "pre_version_id": 5,
    "engine_type": 1,
    "engine_name": "TensorFlow",
    "engine_id": 1,
    "engine_version": "TF-1.4.0-python2.7",
    "status": 10,
    "app_url": "/usr/app/",
    "boot_file_url": "/usr/app/boot.py",
    "create_time": 1524189990635,
    "parameter": [
        {
            "label": "learning_rate",
            "value": 0.01
        }
    ],
    "duration": 532003,
    "spec_id": 1,
    "core": 2,
    "cpu": 8,
    "gpu_num": 2,
    "gpu_type": "P100",
    "worker_server_num": 1,
    "data_url": "/usr/data/",
    "train_url": "/usr/train/",
    "log_url": "/usr/log/",
    "dataset_version_id": "2ff0d6ba-c480-45ae-be41-09a8369bfc90",
    "dataset_id": "38277e62-9e59-48f4-8d89-c8cf41622c24",
    "data_source": [
        {
            "type": "obs",
            "data_url": "/qianjiajun-test/minst/data/"
        }
    ],
    "user_image_url": "100.125.5.235:20202/jobmng/custom-cpu-base:1.0",
    "user_command": "bash -x /home/work/run_train.sh python /home/work/user-job-dir/app/mnist/mnist_softmax.py --data_url /home/work/user-job-dir/app/mnist_data",
    "model_id": 1,
    "model_metric_list": "{\"metric\":[{\"metric_values\":{\"recall\":0.005833,\"precision\":0.000178,\"accuracy\":0.000937},\"reserved_data\":{},\"metric_meta\":{\"class_name\":0,\"class_id\":0}}],\"total_metric\":{\"total_metric_meta\":{},\"total_reserved_data\":{},\"total_metric_values\":{\"recall\":0.005833,\"id\":0,\"precision\":0.000178,\"accuracy\":0.000937}}}",
    "system_metric_list": {
        "cpuUsage": [
            "0",
            "3.10",
            "5.76",
            "0",
            "0",
            "0",
            "0"
        ],
        "memUsage": [
            "0",
            "0.77",
            "2.09",
            "0",
            "0",
            "0",
            "0"
        ],
        "gpuUtil": [
            "0",
            "0.25",
            "0.88",
            "0",
            "0",
            "0",
            "0"
        ]
},
    "dataset_name": "dataset-test",
    "dataset_version_name": "dataset-version-test",
    "spec_code": "modelarts.vm.gpu.p100",
    "start_time": 1563172362000,
    "volumes": [
        {
            "nfs": {
                "id": "43b37236-9afa-4855-8174-32254b9562e7",
                "src_path": "192.168.8.150:/",
                "dest_path": "/home/work/nas",
                "read_only": false
            }
        },
        {
            "host_path": {
                "src_path": "/root/work",
                "dest_path": "/home/mind",
                "read_only": false
            }
        }
    ],
    "pool_id": "pool9928813f",
    "pool_name": "p100",
    "nas_mount_path": "/home/work/nas",
    "nas_share_addr": "192.168.8.150:/",
    "nas_type": "nfs"
}

失败响应示例

{
    "is_success": false,
    "error_message": "Error string",
    "error_code": "ModelArts.0105"
}

状态码

状态码请参见状态码。

父主题： 训练作业

上一篇：查询训练作业列表

下一篇：删除训练作业版本

意见反馈

文档内容是否对您有帮助？

有帮助没帮助

提供反馈

提交成功！非常感谢您的反馈，我们会继续努力做到更好！

系统繁忙，请稍后重试

在使用文档中是否遇到以下问题

内容与产品页面不一致

内容不易理解

缺失示例代码

步骤不可操作

搜不到想要的内容

缺少最佳实践

意见反馈（选填）

0/500

请至少选择一项反馈信息并填写问题反馈

字符长度不能超过500

直接提交取消