AutoML的使用限制以及規格，包括當前支援的地區，支援的搜尋演算法（TPE、GridSearch、Random、Evolution、GP、PBT），以及對應的應用情境。
支援地區（region）
當前AutoML支援在如下地區使用：
華東1（杭州）、華東2（上海）、華北2（北京）、華南1（深圳）、中國（香港）。
支援的搜尋演算法
當前AutoML產品在超參搜尋中，支援搜尋演算法有以下幾種，下面向您介紹各個搜尋演算法，以及典型適用情境。
TPE（Tree-structured Parzen Estimator）
無需附加依賴，支援所有搜尋空間類型，是HPO預設演算法。適用於複雜、非線性、高維度且計算代價大的問題，但無法發現參數間聯絡。
GridSearch（網格搜尋）
網格搜尋演算法，將搜尋空間均勻分成網格，遍曆所有組合確定最佳組合。適用於搜尋空間較小的情況。
Random（隨機搜尋）
隨機產生超參組合的方法，與網格搜尋原理相似，將超參數搜尋空間分成網格，但隨機搜尋為每個trial會隨機播放一組超參數。適用於非線性、高維且計算代價大的問題。
Evolution（演化演算法）
演化演算法，基於搜尋空間初始化，每一代迭代選擇較優參數並進行突變，擷取下一組備選超參。需要多次trial，邏輯簡單易擴充。
演化演算法的思想來源於Large-Scale Evolution of Image Classifiers。
GP（Gaussian Process）（貝葉斯最佳化）
使用高斯過程計算loss的貝葉斯最佳化方法。隨著資料量增加，後驗分布更準確，最佳化效果更好。
PBT（Population Based Training）（非同步最佳化演算法）
固定計算資源的非同步最佳化演算法，通過最佳化固定數量模型及超參提高效能，通過迭代修改單組超參獲得最優。