功能介绍

查看预置模型的详情。

URI

GET /v1/{project_id}/built-in-algorithms

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。

请求消息

请求参数如表2所示。

表2 查询检索参数

参数	是否必选	参数类型	说明
per_page	否	Integer	指定每一页展示作业参数的总量，默认为10，“per_page”可选的范围为[1，100]。
page	否	Integer	指定要查询页的索引，默认为1。
sortBy	否	String	指定查询的排序方式，默认是根据引擎查找“engine”，目前支持的排序还有模型名称“model_name”，“model_precision”模型用途“model_usage”，模型精度描述“model_precision”，模型大小“model_size”，模型创建时间“create_time”，运行参数“parameter”。
order	否	String	可选值有以下两种。 “asc”为递增排序。 “desc”为递减排序，默认为“desc”。
search_content	否	String	指定要查询的文字信息，例如参数名称。默认为空。

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。
model_total_count	Integer	模型的数量。
models	Array	模型的参数列表，结构说明如表4所示。

表4 models结构数据

参数	参数类型	说明
model_id	Integer	模型ID。
model_name	String	模型名称。
model_usage	Integer	模型用途。 1代表图像分类 2代表检测物体的类别和位置 3代表图像语义分割 4代表自然语言处理 5图嵌入
model_precision	String	模型精度描述。
model_size	Long	模型大小，单位为字节(Byte)。
model_train_dataset	String	模型训练数据集。
model_dataset_format	String	使用模型需要的数据集格式。
model_description_url	String	模型描述链接。
parameter	String	模型的运行参数。当为自定义镜像训练作业的时候，此参数为容器环境变量。该样例请参考请求示例。
create_time	Long	模型的创建时间。
engine_id	Long	模型的引擎ID。
engine_name	String	模型的引擎名称。
engine_version	String	模型的引擎版本。

表5 parameter属性列表

参数	参数类型	说明
label	String	参数名称。
value	String	参数值。
required	Boolean	参数是否必要。

请求示例

如下以查询算法名称包含“configname”字段的为例。

GET https://endpoint//v1/{project_id}/built-in-algorithms?per_page=10&page=1&sortBy=engine&order=asc&search_content=model

响应示例

成功响应示例

{
    "models": [
        {
            "model_id": 4,
            "model_name": "ResNet_v2_50",
            "model_usage": 1,
            "model_precision": "75.55%(top1), 92.6%(top5)",
            "model_size": 102503801,
            "model_train_dataset": "imagenet，1000类图像分类",
            "model_dataset_format": "shape: [H>=32, W>=32, C>=1]; type: int8",
            "model_description_url": "https://github.com/apache/incubator-mxnet/blob/master/example/image-classification/symbols/resnet.py",
            "parameter": "[{\"label\":\"batch_size\",\"value\":\"4\",\"placeholder_cn\":\"每次更新训练的图片数量（总）\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"lr\",\"value\":\"0.0001\",\"placeholder_cn\":\"更新参数的学习率\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"save_frequency\",\"value\":\"1\",\"placeholder_cn\":\"保存模型的频率，即隔N个epoch保存一次模型\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"num_classes\",\"value\":\"\",\"placeholder_cn\":\"训练中使用的图片总的类别数\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"num_epoch\",\"value\":\"10\",\"placeholder_cn\":\"训练的epoch数\",\"placeholder_en\":\"\",\"required\":true}]",
            "create_time": 1522218780025,
            "engine_id": 501,
            "engine_name": "MXNet",
            "engine_version": "MXNet-1.2.1-python2.7"
        },
        {
            "model_id": 5,
            "model_name": "Faster_RCNN_ResNet_v2_101",
            "model_usage": 2,
            "model_precision": "80.05%(mAP)",
            "model_size": 190936449,
            "model_train_dataset": "Pascal VOC2007，20类物体检测",
            "model_dataset_format": "shape: [H, W, C==3]; type: int8",
            "model_description_url": "https://github.com/apache/incubator-mxnet/tree/master/example/rcnn",
            "parameter": "[{\"label\":\"lr\",\"value\":\"0.0001\",\"placeholder_cn\":\"更新参数的学习率\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"eval_frequence\",\"value\":\"1\",\"placeholder_cn\":\"对模型做验证的频率，默认为每个epoch都做\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"mom\",\"value\":\"0.9\",\"placeholder_cn\":\"训练网络的动量参数\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"wd\",\"value\":\"0.0005\",\"placeholder_cn\":\"权重衰减系数\",\"placeholder_en\":\"\",\"required\":true},{\"label\":\"num_classes\",\"value\":\"\",\"placeholder_cn\":\"训练中使用的图片总的类别数，这里需要+1，因为有一个额外的背景类\",\"placeholder_en\":\"\",\"required\":true}]",
            "create_time": 1525313224596,
            "engine_id": 501,
            "engine_name": "MXNet",
            "engine_version": "MXNet-1.2.1-python2.7"
        }
    ],
    "model_total_count": 41,
    "is_success": true
}

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

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家