配置训练集及评测集

配置训练集

在添加任务备注后，在添加数据的位置选择添加训练集。

可选的数据集要求如下：

1. 数据集标注类型与项目类型一致，如同为图像分类-单图单标签/物体检测-矩形框标注等
2. 数据集数据量不为0；
3. 数据集状态非智能标注中，非导入中

数据集状态支持导入多个数据集的多个标签，如果选择标签名称一致，则相应数据内容会被合并。 当一个项目新建了多个任务类型进行迭代训练时，训练数据会默认为最近一次训练版本所选的数据，如果标签不变仅每个标签下的标注数据发生变化，或者配置脚本内容发生变化，则数据的部分可以不做任何操作。

配置数据增强策略

在配置完训练集之后，紧接着就可以配置数据增强策略。

深度学习模型的成功很大程度上要归功于大量的标注数据集。通常来说，通过增加数据的数量和多样性往往能提升模型的效果。当在实践中无法收集到数目庞大的高质量数据时，可以通过配置数据增强策略，对数据本身进行一定程度的扰动从而产生"新"数据。模型会通过学习大量的"新"数据，提高泛化能力。

你可以在「默认配置」、「手动配置」、「自动搜索」三个选项进行选择，完成数据增强策略的配置。

配置评测集

评测集为非必选项，如果额外上传一批非在训练集的数据作为评测集，可在模型训练完毕后单独获得额外评测集的测试效果。其中评测集的标签需要与训练集所选标签完全一致，否则将无法启动训练任务。

配置脚本注意事项

说明：BML目前支持飞桨（Paddle Paddle）深度学习框架 了解飞桨

目前BML为每一种预训练模型都预置了脚本代码，在不需要修改的情况下可直接启动训练。
自定义脚本内容过程中有如下注意事项：

1. 可以自定义的部分包括超参配置字典conf和模型头部网络定义函数create_model。主体网络（含预训练参数）在页面可选。
2. 超参配置conf包括可调的超参，比如训练轮数epoch，其类型和范围见注释。不要随意设置否则可能会训练失败，比如batch size太大，可能导致显存不够而失败。
3. 超参配置conf不需要设置类别数，这是通过数据集推断出来的。
4. 函数create_model完成头部网络定义，输出要求是一个字典，其中包括'loss'和'infer_out'两个key，'loss'是网络损失，'infer_out'是预测输出。如果修改有误可能会导致训练失败。
5. 在分类任务中，请保证infer_out的Tensor形状是BatchSize x ClassNumber
6. 在检测任务中，请保证infer_out的LodTensor形状是 BoxNumber x 6，其中每行是(label, confidence, xmin, ymin, xmax, ymax)
7. conf中如果有可供配置的模型结构参数，请阅读相关注释或链接后再行修改，随意设置可能会导致训练失败或训练精度异常。