获取增量学习任务详情

接口功能

查看增量学习任务的状态，包括配置信息、管理状态、运行状态、已筛选的难例数据情况、目前训练流水线的运行进度、不同轮次增量训练的详情、最新部署的模型版本等。

接口格式

操作类型：GET

URL：https://{ip}:{port}/icsmanager/v1/inclearning/task/{name}

请求参数

参数	是否必选	说明	取值要求
name	必选	增量学习任务名称。	已成功创建任务的任务名。

使用样例

请求样例：

GET https://<ip>:<port>/icsmanager/v1/inclearning/task/test

响应样例：

{
    "status": "00000000",
    "msg": "success",
    "data": {
        "name": "xxx",
        "description": "xxx",
        "appName": "xxx",
        "modelName": "xxx",
        "workspace": "xxx",
        "datasetFormat": "COCO",
        "initTrainDataset": "fake path xxx",
        "initTestDataset": "fake path xxx",
        "initTrainModel": "fake path xxx",
        "valueFilterConfig": {
            "path": "xxx",
            "content": "xxx"
        },
        "trainConfig": {
            "path": "xxx",
            "content": "xxx"
        },
        "evalConfig": {
            "path": "xxx",
            "content": "xxx"
        },
        "atcConfig": {
            "path": "xxx",
            "content": "xxx"
        },
        "npuAllocation": {
            "trainNpuDevices": "xxx",
            "atcNpuDevices": "xxx",
            "evalNewNpuDevices": "xxx",
            "evalOldNpuDevices": "xxx"
        },
        "createdAt": "xxx",
        "mngStatus": "RUNNING",
        "runStatus": "TRAINING",
        "errorMsg": "xxx",
        "lastModelVersion": "3",
        "lastDeployedVersion": "2",
        "sampleNumbers": {
            "total": 3000,
            "labeled": 1000,
            "unlabeled": 2000
        },
        "pipeline": [
            {
                "componentName": "xxx",
                "status": "FINISHED",
                "startTime": "123",
                "finishTime": "123"
            },
            {
                "componentName": "xxx",
                "status": "RUNNING",
                "startTime": "123",
                "finishTime": "123"
            },
            {
                "componentName": "xxx",
                "status": "PENDING",
                "startTime": "123",
                "finishTime": "123"
            }
        ],
        "versions": [
            {
                "version": 1,
                "hardExampleNumber": "500",
                "trainDatasetSize": "900",
                "evalDatasetSize": "600",
                "newPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "oldPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "generateTime": "xxx",
                "lossList": [
                    0.009832434821873903,
                    0.01051221744945416,
                    0.011650461775179092,
                    0.012163644298337974,
                    0.012036509382037016
                ]
            },
            {
                "version": 2,
                "hardExampleNumber": "500",
                "trainDatasetSize": "900",
                "evalDatasetSize": "600",
                "newPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "oldPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "generateTime": "xxx",
                "lossList": [
                    0.009832434821873903,
                    0.01051221744945416,
                    0.011650461775179092,
                    0.012163644298337974,
                    0.012036509382037016
                ]
            },
            {
                "version": 3,
                "hardExampleNumber": "500",
                "trainDatasetSize": "900",
                "evalDatasetSize": "600",
                "newPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "oldPrecision": {
                    "precision": "0.7",
                    "recall": "0.8",
                    "mAP": "0.9"
                },
                "generateTime": "xxx",
                "lossList": [
                    0.009832434821873903,
                    0.01051221744945416,
                    0.011650461775179092,
                    0.012163644298337974,
                    0.012036509382037016
                ]
            }
        ]
    }
}

响应状态码：200

输出说明

参数	类型	说明
status	string	状态码。
msg	string	状态描述。
data	dict	任务详情数据。
name	string	任务名。
description	string	任务描述。
appName	string	推理应用名称。
modelName	string	推理应用模型。
workspace	string	minio工作路径。
hardMiningAlgList	string	难例挖掘算法列表。
datasetFormat	string	数据集格式。
initTrainDataset	string	初始训练集。
initTestDataset	string	初始测评集。
initTrainModel	string	初始训练模型。
valueFilterConfig	string	难例筛选配置文件。
trainConfig	string	训练配置文件。
evalConfig	string	测评配置文件。
atcConfig	string	模型转换配置文件。
npuAllocation	dict	NPU分配。
trainNpuDevices	string	训练组件NPU卡分配。
atcNpuDevices	string	模型转换组件NPU卡分配。
evalNewNpuDevices	string	新模型测评组件NPU卡分配。
evalOldNpuDevices	string	旧模型测评组件NPU卡分配。
createdAt	string	创建时间。
mngStatus	string	当前管理状态。
runStatus	string	当前运行状态。
errorMsg	string	任务异常状态信息，正常状态下为空。
lastModelVersion	string	最新模型版本。
lastDeployedVersion	string	上一次部署的模型版本。
sampleNumbers	dict	难例数量。
labeled	int	已标注难例数量。
unlabeled	int	未标注难例数量。
total	int	总难例数量。
pipeline	list	训练流水线运行状态。
componentName	string	组件名称。
status	string	组件状态，共有PENDING、RUNNING、FINISHED、STOPPED四种状态。
startTime	string	组件运行开始时间。
finishTime	string	组件运行结束时间。
versions	list	训练版本列表。
version	string	版本号。
hardExampleNumber	string	本轮难例数量。
trainDatasetSize	string	本轮训练集大小。
evalDatasetSize	string	本轮测评集大小。
oldPrecision	dict	已部署模型进度。
newPrecision	dict	新训练模型精度。
generateTime	string	模型生成时间。
lossList	list	每轮训练的loss值。

父主题： 增量学习任务管理