AutoML實現自動化調試參數的工作原理，是通過實驗、Trial、訓練任務進行循環迭代，來找到最優的超參組合。
AutoML的工作機制如下圖。
您設定好超參數的值域、搜索算法、停止條件配置后，AutoML將其作為一次實驗（experiment）傳入到后端進行處理。
一次實驗會根據配置的算法來生成超參組合，而每個超參組合會對應一個trial。
說明您可以設置多個trials并發，以提升速度，但是單位時間耗費的資源也會增多。
每個trial除了對應一組超參組合外，并會對應一個或多個計算任務，這個任務可以是DLC任務，使用通用計算資源和靈駿智算資源；也可以是MaxCompute任務，使用MaxCompute計算資源。兩種資源使用分別遵循對應服務邏輯（計費、配置、使用）。
啟動試驗后，AutoML會循環查看任務指標。
當實驗觸發了停止條件，如最大搜索次數、算法停止條件、所有組合計算完畢等，實驗停止。
返回結果。這個結果可以是超參組合或者每個trial的最佳模型（您需要設置模型存儲路徑），同時您可以在日志數據看到。
根據上述AutoML工作原理，您啟動實驗前需要配置幾類參數，包括實驗基本配置、Trial配置、DLC/MaxCompute任務配置、超參搜索配置。
文檔內容是否對您有幫助？