本页面介绍如何标记资源，然后使用标签来组织和过滤资源。
标签概览
您可以为 AI Platform Prediction 作业、模型和模型版本添加标签，然后在查看或监控资源时使用这些标签对资源进行分类。
例如，您可以按团队（如 engineering 或 research）和开发阶段（prod 或 test）为作业添加标签，然后根据团队和阶段过滤作业。
此外，操作也可以使用标签，但这些标签来自操作所应用的资源。您无法为操作添加或更新标签。
标签是一个键值对，其中的键和值都是您提供的自定义字符串。
限制和规则：
- 每个资源最多有 64 个标签。
- 每个键或值最多含 63 个字符。
- 键和值可以包含小写字母、数字字符、下划线和短划线。
- 键必须以字母开头。
- 允许使用国际字符。
示例：
- 指示团队或费用中心的标签：
team:engineering和team:research。 - 指示开发阶段的标签：
phase:prod和phase:test。 - 指示所有者或联系人的标签：
owner:alice和owner:bob。
在创建资源时添加标签
在创建资源时，您可以使用 gcloud 命令或 Python 应用中的 AI Platform Training and Prediction API 为作业、模型和模型版本添加标签。您可以选择下面的标签页，以查看添加标签的每种方法的示例：
控制台
您必须先创建资源，然后才能添加标签。请参阅如何添加和更新标签。
gcloud
创建新资源时，请指定 labels 字段，以将标签附加到新资源。
以下示例假设您希望使用以下标签：team:engineering、phase:test 和 owner:alice。
为方便起见，请设置包含标签的环境变量：
RESOURCE_LABELS="team=engineering,phase=test,owner=alice"
以下代码用于创建带指定标签的模型：
REGION="us-central1"
MODEL_NAME="your_model_name"
gcloud ai-platform models create $MODEL_NAME \
--labels $RESOURCE_LABELS \
--regions $REGION
以下代码用于提交带指定标签的训练作业：
JOB_NAME="your_job_name"
TRAINER_PACKAGE_PATH="/path/to/your/application/sources"
MAIN_TRAINER_MODULE="trainer.task"
JOB_DIR="gs://your/job/output/path"
TRAIN_DATA="gs://your/training/data/path"
EVAL_DATA="gs://your/eval/data/path"
gcloud ai-platform jobs submit training $JOB_NAME \
--labels $RESOURCE_LABELS \
--scale-tier basic \
--package-path $TRAINER_PACKAGE_PATH \
--module-name $MAIN_TRAINER_MODULE \
--job-dir $JOB_DIR \
--runtime-version 2.11 \
--region $REGION \
-- \
--train-files $TRAIN_DATA \
--eval-files $EVAL_DATA \
--train-steps 1000
Python
设置一个字典，其中包含您要创建的资源的字段。将标签添加为字典条目，以将字符串映射到字符串。
以下示例展示了如何创建带有以下三个标签的模型：team:engineering、phase:test 和 owner:alice。
requestDict = {'name': modelName,
'description': 'A model with labels.',
'labels': {
'team': 'engineering',
'phase': 'test',
'owner': 'alice'
}}
发送请求：
request = ml.projects().models().create(parent=projectID,
body=requestDict)
response = request.execute()
以下示例展示了如何创建带有以下三个标签的作业：team:engineering、phase:test 和 owner:alice。
training_inputs = {'scaleTier': 'BASIC',
'packageUris': ['gs://your/trainer/path/package-0.0.0.tar.gz'],
'pythonModule': 'trainer.task'
'args': ['--arg1', 'value1', '--arg2', 'value2'],
'region': 'us-central1',
'labels': {
'team': 'engineering',
'phase': 'test',
'owner': 'alice'
},
'jobDir': 'gs://your/training/job/directory',
'runtimeVersion': '2.11'}
job_spec = {'jobId': your_job_name, 'trainingInput': training_inputs}
发送请求：
request = cloudml.projects().jobs().create(body=job_spec,
parent=project_id)
response = request.execute()
更新和移除标签
您可以使用 gcloud 命令或在 Python 应用中更新或移除作业和模型的标签。无法更新现有模型版本的标签。
选择下面的标签页，查看移除/更新标签的每种方法的示例：
控制台
打开 Google Cloud 控制台页面，找到您要添加标签的资源：
如需为作业添加标签，请在 Google Cloud 控制台中打开 AI Platform Prediction 作业页面。
如需为模型添加标签，请在 Google Cloud 控制台中打开 AI Platform Prediction 模型页面。
选中您要添加标签的资源名称旁边的复选框。
所有标签修改都在资源名称右侧的面板中进行。
如需添加标签，请输入标签的键（也可以根据需要同时输入值）。如需添加多个标签，请点击添加标签按钮。
如需移除标签，请将鼠标悬停在标签的右侧，然后点击显示的删除图标。
修改标签后，点击保存确认更改，或放弃更改重新开始。
gcloud
您可以使用 gcloud 命令更新或删除现有资源的标签。例如，如需调整作业上的标签，请运行 gcloud ai-platform jobs update 命令并添加以下标志：
--update-labels修改现有标签的值并添加新标签。例如，运行以下命令可将phase标签的值更改为production并添加新的status标签：gcloud ai-platform jobs update $JOB_NAME \ --update-labels phase=production,status=deployed--clear-labels，用于从作业中移除所有标签。如果您在该命令中添加了--update-labels标志，则先应用 clear 命令，然后再执行 update 命令。例如，运行以下命令可移除所有标签并应用新的foo和baz标签：gcloud ai-platform jobs update $JOB_NAME \ --clear-labels \ --update-labels foo=bar,baz=qux--remove-labels，用于从作业中移除特定标签。如果指定作业上不存在的标签，系统会忽略针对该标签的 remove 命令。例如，运行以下命令可以移除status和visibility标签：gcloud ai-platform jobs update $JOB_NAME \ --remove-labels=status,visibility
Python
如需更新或移除模型等现有资源的标签，请执行以下操作：
以下示例展示用于更新模型标签的 READ-MODIFY-WRITE 模式：
existingModel = ml.projects().models().get(name=fullModelName).execute()
etag = existingModel['etag']
updatedModel = {
'labels': {
'phase': 'prod',
'team': 'research'
},
'etag': etag
}
# projects.models.patch API returns a long-running operation object
# instead of a model object. See
# https://cloud.google.com/ai-platform/prediction/docs/reference/rest/v1/projects.models/patch
updateModelRequest = ml.projects().models().patch(name=fullModelName,
body=updatedModel, updateMask='labels,etag')
updateModelOperation = updateModelRequest.execute()
# You can choose appropriate ways to poll the operation.
delay = 1
while not updateModelOperation['done']:
time.sleep(delay)
delay *= 2
updateModelOperation = ml.projects().operations().get(name=updateModelOperation['name'])
updatedModel = ml.projects().models().get(name=fullModelName).execute()
如需移除或更新现有作业的标签，请执行以下操作：
以下示例展示了用于更新作业标签的 READ-MODIFY-WRITE 模式：
existingJob = ml.projects().jobs().get(jobId=jobId).execute()
etag = existingJob['etag']
updatedJob = {
'labels': {
'phase': 'prod',
'team': 'research'
},
'etag': etag
}
updateJobRequest = ml.projects().jobs().patch(name=jobId,
body=updatedJob, updateMask='labels,etag')
updatedJob = updateJobRequest.execute()
使用标签过滤资源
在列出资源时，您可以按标签过滤列表。
控制台
打开 Google Cloud 控制台页面，找到您要过滤的资源：
如需过滤作业，请在 Google Cloud 控制台中打开 AI Platform Prediction 作业页面。
如需过滤模型，请在 Google Cloud 控制台中打开 AI Platform Prediction 模型页面。
点击按前缀过滤字段，该字段位于作业列表上方。选择标签前缀。
请使用语法“key:value”输入相应的键和值，以完成过滤。例如，“team:engineering”或“owner:alice”。
过滤器将应用到资源列表，并且过滤器的名称将显示在过滤器字段中。例如，“Labels:owner:alice”或“Labels:team:engineering”。如果需要，您可以添加多个过滤器。
gcloud
以下示例列出了带有键值对 team:engineering 标签的所有模型：
gcloud ai-platform models list --filter='labels.team:engineering'
以下示例列出了同时带有键值对 team:engineering 和 owner:alice 标签的所有作业：
gcloud ai-platform jobs list \
--filter='labels.team:engineering AND labels.owner=alice'
Python
以下示例使用 models.list 请求检索带有键值对 team:engineering 标签的所有模型：
request = ml.projects().models().list(parent=projectID,
filter='labels.team=engineering')
results = request.execute()
以下示例使用 jobs.list 请求检索带有键值对 team:engineering 和 owner:alice 标签的所有作业：
request = ml.projects().jobs().list(parent=projectID,
filter='labels.team=engineering AND labels.owner=alice')
results = request.execute()
后续步骤
- 详细了解如何管理模型和作业。