TPOT是一个Python库，利用遗传算法自动优化机器学习管道，简化模型构建过程。用户只需少量代码即可完成模型的训练、评估和导出，提高效率。
LLM推理过程分为Prefill阶段和Decode阶段，Prefill阶段计算密集，Decode阶段生成token。评估指标为TTFT和TPOT，要求90%的请求的TTFT和TPOT值都小于等于0.4s和0.04s。PD分离优化了TTFT和TPOT指标，Prefill阶段限制Batch Size，Decode阶段增大Batch Size。
AutoML是简化训练机器学习模型过程的工具，通过提供数据集，为您提供最佳模型。本教程介绍了AutoML和TPOT，一种用于构建机器学习流水线的Python AutoML工具。还学习了构建机器学习分类器、保存模型和使用模型进行推断的方法。
This work is supported by Anaconda Inc. This post describes a recent improvement made to TPOT. TPOT is an automated machine learning library for Python. It does some feature engineering and...
完成下面两步后，将自动完成登录并继续当前操作。
