# 以下所有项，如果不填写则采用默认值
# 不填则使用文件夹命名
name: resnet50
#选填，模型自动验证
verify_command: python train.py --data_path=./testdata --epoch 1
#选填，数据集
datasets:
  #选填，可多个数据集 all（代表全量数据） |train | test | validation
  - usage: train
    #选填，数据集存储格式，目前可选值{tfrecord | images | video | compressed | mindrecord | binary | numpy| txt}
    file_format: compressed
    #必填，数据集支持的领域，详情见模型任务对应列表
    field: cv
    #必填，可多填，数据集支持的任务类型，详情见模型任务对应列表
    task:
      - classification
      - detection
    #必填，数据集标签格式，详情见模型任务对应列表
    annotation_format: custom 
    #必填，数据集名称（唯一）
    name: mnist
    #选填，数据集路径，可为uri链接或者s3链接
    path: mnist
train:
  #选填，预训练模型相对于code目录的路径
  pretrained_model: pretrain_model/pretrain.ckpt
  #必填,训练启动脚本
  entry: train.py
  #选填,模型训练参数
  user_params:
    - name: input_width
      type: string
      default: '2048'
      required: true
      desc: input width
      editable: true
    - name: input_height
      type: string
      default: '1536'
      required: true
      desc: input height
      editable: true
    - name: batch_size
      type: integer
      default: '128'
      required: true
      desc: input batch size
      editable: true
    - name: epoch_size
      type: integer
      default: 100
      required: true
      desc: epoch size
      editable: true
    - name: init_lr
      type: float
      default: 0.001
      required: true
      desc: initial learning rate
      editable: true
  #必填,平台参数相对于模型命令行参数的映射
  sys_params:
    - name: pretrained_model
      desc: 预训练模型路径
      arg: pretrained_model
    - name: data_path
      desc: 数据集路径
      arg: data_path
    - name: output_path
      desc: 输出路径
      arg: output_path
eval:
  #必填，评估入口文件
  entry: eval.py
  #选填,模型评估参数
  user_params:
    - name: min_score
      type: float
      default: 0.4
      required: true
      desc: minimal score
      editable: true
  # 必填，平台参数相对于模型命令行参数的映射
  sys_params:
    - name: data_path
      desc: 数据集路径
      arg: data_path
    - name: output_path
      desc: 输出路径
      arg: output_path
    - name: checkpoint_path
      desc: 评估模型路径
      arg: checkpoint_path
center:
  #必填，如填写，以infer文件夹为根目录，则可以使用用户上传的pickle模型文件进行推理，
  model_path: bert.om
  #必填，如果为air那么平台会自动进行转换为om，目前可选值 om | saved_model | pkl | mindir | onnx | air | pbtxt | pb
  format: om
  #选填，模型推理验证输入输出
  verify_script: test_request.py
  #  必填，中心推理API请求输入参数
  #  示例 {inputs:[{"data":"imagebase64"}]}
  input_params:
    - name: data
      type: array
      required: true
      desc: upload image data file
  #  必填，中心推理API请求返回参数
  #  示例 {outputs:[{"detection_scores":"[0.3,0,2]"},{"detection_boxes":"[[121,232,543,321],[21,23,43,53]]"},{"detection_classes":"[1,2]"}]}
  output_params:
    - name: detection_scores
      type: array
      desc: detection scores
    - name: detection_boxes
      type: array
      desc: detection boxes
    - name: detection_classes
      type: array
      desc: detection classes
  #选填，模型可使用的设备信息，可多填
edge:
  #选填，如填写，以infer文件夹为根目录，则可以使用用户上传的tflite模型进行推理
  model_path: bert.tflite
  #选填，模型推理精度 目前可选值  int8 | float32 | float16
  precision: int8
  #必填，目前可选值 om | saved_model | pkl | mindir | onnx  | tflite | mslite
  format: tflite
  #选填，边缘推理镜像 
  input_params:
    - name: data
      type: array
      required: true
      desc: upload image data file
  #  必填，中心推理API请求返回参数
  #  示例 {outputs:[{"detection_scores":"[0.3,0,2]"},{"detection_boxes":"[[121,232,543,321],[21,23,43,53]]"},{"detection_classes":"[1,2]"}]}
  output_params:
    - name: detection_scores
      type: array
      desc: detection scores
    - name: detection_boxes
      type: array
      desc: detection boxes
    - name: detection_classes
      type: array
      desc: detection classes