# 选填，默认没有该字段，模型来源的平台，或模型将被使用的平台，用于模型筛选 可选值参考selector.yaml中platform字段
platform:
  - AIArts
  - DataEyes
# 必填，模型来源，可选值：publish（从代码开发中发布） | preset（系统预置模型） | custom （用户自定义页面上传）
source: preset
# 选填，是否支持autodl，可填值 true,false ，默认值为false
autodl: true
# 选填，模型图片文件相对于manifest.yaml的路径，为空则默认图片，要求大小不超过20M，图片分辨率为800*370，宽高比约为2：1
logo: logo.png
# 选填，是否支持二次开发，默认值为true
redevelop: true
# 选填，模型属性
props:
  - key: layers
    type: int
    value: 12
    desc: number of layer
  - key: accuracy
    type: int
    value: 0.97
    desc: accuracy
  - key: spend_cost
    type: int
    value: 3000
    desc: spend time
#选填,如果平台训练生成的job，则自动填入jobid进行关联
job_id: ''
#必填,命名规则：backbone或者模型名称
name: resnet50
#必填,命名规则：可选值参考selector.yaml中train_framework字段
framework: TensorFlow
#选填，模型框架版本
framework_version: 1.15.0
#选填，分布式框架，如果不支持分布式训练，则去掉该字段，可选值参考selector.yaml中distributed_framework
distributed_framework: Horovod
#选填，网络名
backbone: resnet
#选填，模型描述
description: resnet50-model
#选填，为空时根据framework使用平台预制镜像；填写之后，如果不存在,则需要用户自行上传 tag 为 hashcode
#如果需要用平台中的镜像，需要在镜像名前加井号# 如 #apulistech/tensorflow:2.3
engine: apulistech/tensorflow:{hashcode}
#选填，模型可使用的设备信息，可多填
devices:
  #必填，目前可选值  cpu | nvidia_gpu | huawei_npu
  - type: huawei_npu
    #选填，设备型号，gpu与cpu不需要填写该字段 ，填写该字段则进行型号筛选。多个型号使用逗号分割 目前参考值 | a310 | a910 | 910b | 910pro | 910prob
    series: a910,910b,910pro,910prob
    #选填，最少使用的设备卡数
    device_num: 1
    #选填，最少使用的CPU核心数，单位 个
    cpu: 1
    #选填，最少使用的内存大小，单位 GB
    memory: 4
#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  可选值参考selector.yaml中 dataset_usage 字段
  - usage: train
    #选填，数据集存储格式，可选值参考selector.yaml中 file_format 字段
    file_format: compressed
    #必填，数据集支持的领域，详情见模型任务对应列表，可选值参考selector.yaml中 field 字段
    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，可选值参考selector.yaml中 task 字段
    task:
      - classification
      - detection
    #选填，数据集标签格式，详情见模型任务对应列表,可选值参考selector.yaml中 annotation_format 字段
    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、s3或spark链接。 以code文件夹为根目录，数据集文件的相对路径
    path: mnist
#选填，数据集标签格式，详情见模型任务对应列表，可选值参考selector.yaml中 annotation_format 字段
annotation_format: custom
#必填，模型支持的领域，详情见模型任务对应列表，可选值参考selector.yaml中 field 字段
field: cv
#必填，模型支持的任务类型，详情见模型任务对应列表，可选值参考selector.yaml中 task 字段
task: classification
train:
  #选填，是否支持训练可视化，默认可视化路径为平台定义的输出路径，可选值参考selector.yaml中 visualization 字段
  visualization: TensorBoard
  #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
  #必填,训练启动脚本
  entry: train.py
  #选填,模型训练参数
  #required，代表该参数是否必填，校验该参数是否为空，默认true
  #editable，代表该参数是否可修改，如果为false，key和value都不可修改，默认true
  #type可选值参考selector.yaml中 params_type 字段
  #所有Boolean属性值默认为true
  user_params:
    - name: input_width
      type: string
      default: '2048'
      required: true
      desc: input width
      editable: false
    - 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
  #required，代表该参数是否必填，校验该参数是否为空
  user_params:
    - name: min_score
      type: float
      default: 0.4
      required: true
      desc: minimal score
      editable: true
    - name: nms_threshold
      type: float
      default: 0.2
      required: true
      desc: nms threshold
      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