操作背景
TI-ONE 自动学习模块内置了常见深度学习场景，例如图片分类、目标检测，使用户仅需通过简单的配置即可完成深度学习模型构建、评测、发布等模型生命周期全流程工作。
为了方便您有效地使用 TI-ONE 的自动学习，本文将通过一个图片分类案例向您演示使用流程。
前提条件
完成 TI-ONE 服务注册与开通，请参考 账号和权限说明。
使用按量计费类型资源会预先冻结所选配置2个小时的使用费用，若您的现金账户余额不足，请先进行充值。
使用自动学习进行图片分类模型训练
步骤1：新建任务
进入自动学习 > 立即开始，选择对应的区域，单击新建任务：
单击后进入新建任务页面，用户需在此填写本次任务的任务名称、训练数据、训练输出路径、训练配置及训练资源配置等信息。
1. 填写基本信息：
2. 填写数据配置：
是否增量训练：对于首次训练的任务，是否增量训练默认关闭。如果您需要基于某个已有训练任务进行模型的增量更新，可选择将该项开启。
数据来源：您可选择数据中心中的数据或示例数据。数据中心的数据通常是您自己创建的数据集，示例数据为平台内置数据。
3. 填写训练配置：
训练偏好设置：可结合您的业务场景设置训练偏好，得到对应精度高或预测速度快或两者均衡的模型。
期望准确率：可结合业务目标设置合理的期望准确率值，到达准确率后会为您自动停止训练。
最长训练时长：默认为1小时，到达后任务会立即停止。该设置下，模型可能无法达到所需的训练效果，可结合实际情况对该项进行调整。 训练参数设置为可选项，自动学习会为您提供默认值。也可结合您的实际情况进行修改，可修改的训练参数包括：
epochs：模型训练次数，可选择系统内置的值或进行自定义。
lr：学习率，可选择系统内置的值或进行自定义。
batch_size：训练批次大小，可选择系统内置的值或进行自定义。
warmup：预热训练次数，可选择系统内置的值或进行自定义。
4. 填写训练资源配置，可按需选择按量计费或包年包月训练模式，确认后单击下一步。
单击下一步后，进入训练模型页面如您在单击下一步后离开训练模型页面，可至任务管理列表页重新找到该任务。
步骤2：训练模型
在训练模型页，可以查看模型的运行状态及训练详情。页面展示信息如下：
1. 训练状态
已运行时长：展示模型训练任务已经运行的时长。
最长运行时长：为本任务在配置任务页所设置的值，本例中为1小时。
训练进度：展示模型训练任务进度及训练任务当前所处阶段。如果您不再需要本次训练任务，可以单击停止按钮。如果训练意外中断，可单击重启按钮
2. 训练详情
实时指标：展示模型训练过程中的实时指标，包含横坐标为epoch（模型训练次数）， 纵坐标为具体指标所对应的数值。
训练日志：展示模型训练过程中产生的日志详情，支持自动刷新及检索分析。
3. 图片分类训练指标说明：
accuracy：正确预测图片的数量 / 图片总数量。
valid_top1_accuracy：验证集预测结果中，排名第一的类别里面正确预测的准确率。
valid_top5_accuracy：验证集预测结果中，排名前五的类别里面正确预测的准确率。
loss：损失值，代表模型预测与目标之间的距离。
步骤3：模型评测
模型评测提供基于测试集的模型表现信息。包含模型评测任务基本信息（如评测时长、评测图片数量、badcase数量），整体指标（可通过定义不同的全局阈值查看模型的精确率、召回率、F1-Score），PR曲线。
1. 查看模型评测的基本信息，包含测试集、评测时长、评测图片数量、badcase数量等。
如需查看测试数据集，请单击测试集对应的查看，单击后，可看到测试集的标签分布信息、各类别标签数量及标签占比。由于图片读取会产生COS请求及流量费用，因此，默认不展示测试集图片详情。如需展示图片详情，您可打开详情展示开关
单击详情展示后，会为您展示测试集中所包含的图片详情信息。您可依次查看，或根据标注类别选择具体的标签进行查看。
对于模型在测试集上的badcase，可单击基本信息中badcase数量对应的查看，进入到对应的页面进行查看。由于badcase访问需要产生对象存储COS的请求和流量费用，因此图片默认是不展示的。请将预览badcase图片开关打开后查看详情。
2. 查看模型整体指标，包含精确率、召回率、F1-Score。
精确率：表示预测结果为正类的样本中，真正的正样本比例。
召回率：实际图片类别被检测到的比率。
全局阈值：默认为80%，可按步长为5进行数值调整。通过调整阈值，可以权衡精确率和召回率，以判断模型是否符合实际业务场景的需求。
F1-Score：F1-Score 通常用于概括分类模型的性能，它结合了精确率和召回率两个指标。计算公式为： F1 = （2 * 精确率 * 召回率）/ (精确率 + 召回率)。
3. 查看模型的PR曲线，横轴表示Recall（召回率），纵轴表示Precision（精确率），鼠标hover至曲线上可查看每个类别对应的精确率、召回率及阈值。
4. 在PR曲线下方提供每个类别对应的预测结果及指标。可通过调整右侧面板中的阈值，查看不同阈值对应的精度、召回率及F1-Score。同时在左侧表格中，可以单击分类错误的数量查看每个类别下对应的badcase。
步骤4：一键发布
1. 模型评测结束后，可单击下一步，进入一键发布页面，快速将训练得到的模型部署为在线预测服务。
计费模式：可选择按量计费或包年包月。
算力规格：按需选择模型部署所需的算力。
最长运行时长：为节省资源您可设置最长运行时长，服务将按照设置时长停止。
单击一键发布按钮进行模型发布，如果计费模式选择按量计费，则会预先冻结所选配置2个小时的费用，需要保证账户余额能满足您的业务要求。
2. 单击一键发布后，进入到发布页面：
运行状态：显示预测服务当前所处的状态。如您不再需要此服务，可单击停止，停止该服务。
在线预测服务：单击查看服务，进入该服务对应的详情页面。包含服务的基本信息、实例列表、监控、事件、日志、更新记录。详情可查看 在线服务运营。
服务测试：服务测试区域，您可单击点击上传按钮，上传新的测试图片，查看模型的预测结果。
说明
如果识别结果显示暂无数据，可通过调整置信度，对显示结果进行过滤。