AutoML的使用限制以及规格，包括当前支持的地域，支持的搜索算法（TPE、GridSearch、Random、Evolution、GP、PBT），以及对应的应用场景。
支持地域（region）
当前AutoML支持在如下地域使用：
华东1（杭州）、华东2（上海）、华北2（北京）、华南1（深圳）、中国（香港）。
支持的搜索算法
当前AutoML产品在超参搜索中，支持搜索算法有以下几种，下面向您介绍各个搜索算法，以及典型适用场景。
TPE（Tree-structured Parzen Estimator）
无需附加依赖，支持所有搜索空间类型，是HPO默认算法。适用于复杂、非线性、高维度且计算代价大的问题，但无法发现参数间联系。
GridSearch（网格搜索）
网格搜索算法，将搜索空间均匀分成网格，遍历所有组合确定最佳组合。适用于搜索空间较小的情况。
Random（随机搜索）
随机生成超参组合的方法，与网格搜索原理相似，将超参数搜索空间分成网格，但随机搜索为每个trial会随机选择一组超参数。适用于非线性、高维且计算代价大的问题。
Evolution（演化算法）
演化算法，基于搜索空间初始化，每一代迭代选择较优参数并进行突变，获取下一组备选超参。需要多次trial，逻辑简单易扩展。
演化算法的思想来源于Large-Scale Evolution of Image Classifiers。
GP（Gaussian Process）（贝叶斯优化）
使用高斯过程计算loss的贝叶斯优化方法。随着数据量增加，后验分布更准确，优化效果更好。
PBT（Population Based Training）（异步优化算法）
固定计算资源的异步优化算法，通过优化固定数量模型及超参提高性能，通过迭代修改单组超参获得最优。