AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。
AutoML的工作机制如下图。
您设定好超参数的值域、搜索算法、停止条件配置后，AutoML将其作为一次实验（experiment）传入到后端进行处理。
一次实验会根据配置的算法来生成超参组合，而每个超参组合会对应一个trial。
说明您可以设置多个trials并发，以提升速度，但是单位时间耗费的资源也会增多。
每个trial除了对应一组超参组合外，并会对应一个或多个计算任务，这个任务可以是DLC任务，使用通用计算资源和灵骏智算资源；也可以是MaxCompute任务，使用MaxCompute计算资源。两种资源使用分别遵循对应服务逻辑（计费、配置、使用）。
启动试验后，AutoML会循环查看任务指标。
当实验触发了停止条件，如最大搜索次数、算法停止条件、所有组合计算完毕等，实验停止。
返回结果。这个结果可以是超参组合或者每个trial的最佳模型（您需要设置模型存储路径），同时您可以在日志数据看到。
根据上述AutoML工作原理，您启动实验前需要配置几类参数，包括实验基本配置、Trial配置、DLC/MaxCompute任务配置、超参搜索配置。
文档内容是否对您有帮助？