算法管理

训练服务涉及的算法主要指视觉类算法。Octopus训练服务算法主要包括两类：（1）Octopus训练服务系统默认算法；（2）用户自定义算法。

系统内置算法

内置算法是Octopus内部集成的一部分视觉类算法，主要为自动驾驶过程中识别道路环境以及行人、其他车辆的算法。使用内置算法可以帮助用户快速开发自动驾驶模型，加快自动驾驶模型迭代过程。目前Octopus预置了PyTorch 和Tensorflow的算法。

CascadeRcnn

CascadeRcnn是一种采用级联策略的图像目标检测方法，其利用不断提高IOU阈值大小确定正负样本比例，并优化了对小目标对象检测。可根据数据集特征，将算法用于图像中特定物体对象的检测训练。

• 样本类型：图片；
• AI引擎：PyTorch-1.1.0-python3.6。

YOLOV3

yolov3是一种利用多次度特征及使用Logistic的目标检测方法，其优化了对小目标对象检测，仍然保持速度优势。可根据数据集特征，将算法用于图像中特定物体对象的检测训练。

• 样本类型：图片；
• AI引擎：TF-1.12-python3.6。

自定义算法

Octopus训练服务支持用户上传自己的算法。自定义算法必须使用Octopus训练服务支持的框架编写，目前支持的训练框架主要有Tensorflow和PyTorch，支持的Python版本为3.6。一个完整的训练算法包含算法的名称，AI引擎、算法上传方式、启动文件路径以及参数列表和默认值等信息。算法文件包需满足一定要求，详细内容请参考用户指南中“算法文件说明”章节。

• 算法文件上传方式：可以使用本地文件也可以使用OBS上的文件，使用本地算法文件需将算法进行压缩；
• 本地算法文件压缩方式：以“.zip”压缩包形式将整个算法文件压缩；
• 启动文件路径（Boot文件路径）：启动算法的路径，即入口文件路径，支持在算法中进行自定义；
• 参数命令：由入口文件路径和参数列表组合的启动算法的shell脚本。