Sing-box 是一个功能强大的工具，用于配置和管理机器学习模型。其配置规则分为运行时、训练时和测试时三个部分，每个部分都有特定的规则参数和配置文件。以下是详细的步骤和注意事项

运行时规则

运行时规则控制模型的运行时属性,如内存、显存和缓存区，配置文件是规则运行时规则.yaml。

• 内存分配：设置内存大小（占满或部分占满）。
• 显存比例：控制显存占用比例。
• 缓存区大小：定义缓存区大小和内存映射。
• 禁止内存增长：禁用内存增长以避免内存泄漏。

训练时规则

训练时规则优化模型训练,包括学习率、训练轮数、验证集大小和数据增强频率，配置文件是规则训练时规则.yaml。

• 学习率：设置初始学习率和最大学习率。
• 训练轮数：指定训练轮数。
• 验证集大小：确定验证集大小。
• 数据增强频率：设置数据增强的频率和参数。

测试时规则

测试时规则监控模型在测试环境下的表现,包括数据预处理、评估指标和模型验证集设置，配置文件是规则测试时规则.yaml。

• 测试数据预处理：设置测试数据预处理参数。
• 测试集大小：确定测试集大小。
• 评估指标：选择评估指标（如准确率、loss）。
• 模型验证集比例：设置模型验证集比例。

配置步骤

1. 打开Sing-box：选择规则类型（运行时、训练时或测试时）。
2. 进入规则详情：输入规则的参数和配置文件路径。
3. 设置参数：根据需要设置规则参数。
4. 保存配置：保存配置文件，使用save功能。
5. 运行配置：在训练或测试时使用配置。

注意事项

• 自定义规则：支持自定义规则，定义任意规则以避免常见的配置错误。
• 日志监控：配置日志文件以监控规则执行，检查规则是否被触发。
• 批量配置：支持批量配置，同时设置多个规则。
• 模块化配置：创建自定义规则模块，集成到Sing-box 中，提高灵活性。

Sing-box 的配置高效且灵活，支持自动生成规则和模块化配置，方便用户快速管理和配置规则，通过实时监控和模块化设计，用户可以轻松管理和优化模型配置。