AutoML實現自動化調試參數的工作原理，是通過實驗、Trial、訓練任務進行迴圈迭代，來找到最優的超參組合。
AutoML的工作機制如下圖。
您設定好超參數的範圍、搜尋演算法、停止條件配置後，AutoML將其作為一次實驗（experiment）傳入到後端進行處理。
一次實驗會根據配置的演算法來產生超參組合，而每個超參組合會對應一個trial。
說明您可以設定多個trials並發，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，並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）。
啟動實驗後，AutoML會迴圈查看任務指標。
當實驗觸發了停止條件，如最大搜尋次數、演算法停止條件、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（您需要設定模型儲存路徑），同時您可以在日誌資料看到。
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、超參搜尋配置。