本页面介绍如何为资源添加标签，然后用这些标签来组织和过滤资源。
标签概览
您可以为 AI Platform Training 作业添加标签，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，operations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 Training 作业页面。
选中 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 Training 作业页面。
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 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
- 详细了解如何管理作业。