端到端 AutoML Tables 是用于分类和回归的解决方案，可让您选择要控制的内容以及要自动执行的内容。
默认情况下，Vertex AI 会搜索最佳训练超参数集。这些超参数包括模型类型和模型参数。然后，它使用多组超参数训练多个模型，并通过热门模型的集成学习来创建单个最终模型。
默认情况下，Vertex AI 会进行保守的硬件选择（最适合较小的数据集）。
自定义此工作流有三个选项：
- 跳过架构搜索
- 替换搜索空间
- 配置硬件
跳过架构搜索
启用此选项后，您可以提供完整的超参数集（为前 N 个模型提供 N 个超参数集）。通常，这些超参数是先前架构搜索中的一个工件。
替换搜索空间
启用此选项后，您可以为部分超参数提供固定值。Vertex AI 会搜索其余非固定超参数的最佳值。如果您非常喜欢该模型类型，则此选项是一个不错的选择。在这里，该模型类型是神经网络或提升树。
配置硬件
启用此选项后，您可以配置机器类型和训练机器数量。如果您有大型数据集并希望相应地优化机器硬件，则此选项是一个不错的选择。