YAML 文件提供了一种清晰、简洁且易于理解的方式来描述配置信息，特别适用于机器学习模型的超参数调优和实验管理。
以 Latent Diffusion 官方代码仓库中的 https://github.com/CompVis/latent-diffusion/blob/main/configs/autoencoder/autoencoder_kl_32x32x4.yaml 为例（如下），该 YAML 配置文件，用于定义训练一个自编码器模型的设置，其中包含 3 个部分：
- model （AutoencoderKL的模型结构）
- data（DataModuleFromConfig中如何读入数据）
- lightning（设置回调函数和训练器）
model:base_learning_rate: 4.5e-6target: ldm.models.autoencoder.AutoencoderKLparams:monitor: "val/rec_loss"embed_dim: 4lossconfig:target: ldm.modules.losses.LPIPSWithDiscriminatorparams:disc_start: 50001kl_weight: 0.000001disc_weight: 0.5ddconfig:double_z: Truez_channels: 4resolution: 256in_channels: 3out_ch: 3ch: 128ch_mult: [ 1,2,4,4 ] # num_down = len(ch_mult)-1num_res_blocks: 2attn_resolutions: [ ]dropout: 0.0data:target: main.DataModuleFromConfigparams:batch_size: 12wrap: Truetrain:target: ldm.data.imagenet.ImageNetSRTrainparams:size: 256degradation: pil_nearestvalidation:target: ldm.data.imagenet.ImageNetSRValidationparams:size: 256degradation: pil_nearestlightning:callbacks:image_logger:target: main.ImageLoggerparams:batch_frequency: 1000max_images: 8increase_log_steps: Truetrainer:benchmark: Trueaccumulate_grad_batches: 2
Model
base_learning_rate: 4.5e-6: 这是基础学习率，用于优化器的初始化。学习率表示在每次参数更新时，参数被调整的程度。target: ldm.models.autoencoder.AutoencoderKL: 这是要训练的模型的类路径，即模型定义代码所在的位置。params: 这里是模型的参数设置。monitor: "val/rec_loss": 监控的指标，通常是验证集上的重构损失。embed_dim: 4: 嵌入维度，可能是自编码器中隐藏层的维度。lossconfig: 损失函数的配置。-
target: ldm.modules.losses.LPIPSWithDiscriminator: LPIPS损失所在位置。
-
params: 参数设置。disc_start: 50001: 鉴别器开始的步数。kl_weight: 0.000001: KL散度的权重。disc_weight: 0.5: 鉴别器权重。
-
ddconfig: 双向变换的配置。double_z: True: 是否使用双向Z变换。- 其他参数是有关双向变换网络结构的设置，包括通道数量、分辨率、残差块数量等。
Data
target: main.DataModuleFromConfig: 数据模块的类路径。params: 数据加载器的参数设置。batch_size: 12: 批量大小，即每次迭代训练时传递给模型的样本数量。wrap: True: 是否循环迭代数据。train: 训练数据的设置。target: ldm.data.imagenet.ImageNetSRTrain: 训练集加载器的类路径。params: 参数设置。size: 256: 数据的大小。degradation: pil_nearest: 图像降质方法。
validation: 验证集的设置。target: ldm.data.imagenet.ImageNetSRValidation: 验证数据加载器的类路径。params: 参数设置，与训练数据类似。
Lightning
callbacks: 回调函数的设置。image_logger: 图像记录器的设置。target: main.ImageLogger: 图像记录器的类路径。params: 参数设置。batch_frequency: 1000: 记录图像的频率。max_images: 8: 最大图像数量。increase_log_steps: True: 是否逐步增加日志步骤。
trainer: 训练器设置。benchmark: True: 是否启用性能测试。accumulate_grad_batches: 2: 梯度累积的步骤数量，用于处理较大的批次大小。
