| 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849 |
- # 自动增量训练配置
- auto_training:
- # 总开关
- enabled: false # 暂时关闭自动增训
-
- # 数据管理
- data:
- keep_normal_days: 7 # 正常音频保留天数
- keep_anomaly_days: -1 # 异常音频保留天数（-1=永久）
- cleanup_time: "00:00" # 每日清理时间（0点）
-
- # 增量训练配置
- incremental:
- enabled: true
- schedule_time: "02:00" # 每日训练时间
-
- # 数据采样
- use_days_ago: 1 # 使用N天前的数据（1=昨天）
- sample_hours: 1 # 随机采样时长（小时），0=使用全部
- min_samples: 50 # 最少样本数，不足则跳过
-
- # 训练参数（低配服务器优化）
- epochs: 30 # 训练轮数（配合早停，实际通常更少）
- learning_rate: 0.0001 # 学习率
- batch_size: 32 # 批大小（降低显存占用）
- early_stop_patience: 5 # 早停耐心值：连续N轮loss无改善则停止
- training_device: cpu # 训练设备选择：auto(自动检测GPU显存)/cpu/cuda
- # 低配服务器推荐 cpu，模型小(~192KB) CPU训练30epoch耗时可接受
- min_gpu_mem_mb: 512 # auto模式下，GPU空闲显存低于此值(MB)时回退CPU
-
- # 模型管理
- model:
- backup_before_train: true # 训练前备份
- keep_backups: 7 # 保留备份数量
- auto_deploy: true # 自动部署新模型
- update_thresholds: true # 训练后更新阈值npy
- rollback_on_degradation: true # 训练后损失异常时自动回滚到备份
- rollback_factor: 2.0 # 新模型损失 > 旧阈值 * 此因子 则判定为退化
-
- # 验证配置
- validation:
- enabled: true
-
- # 冷启动配置（新水厂无模型时）
- cold_start:
- enabled: true
- wait_hours: 2 # 等待收集数据时长
- min_samples: 100 # 最少样本数
|
