Autokeras是一个简化机器学习任务的自动化工具包。AutoModel和GraphAutoModel是Autokeras中两个关键的类，用于创建和训练自动化模型。

AutoModel是Autokeras中最常用的类之一，它可以用于自动化地处理各种机器学习任务，例如分类和回归。AutoModel提供了简单的API，可以根据输入数据的特征自动选择适当的模型架构，并进行训练和优化。

下面是一个使用AutoModel训练分类任务的示例代码：

import autokeras as ak
from tensorflow.keras.datasets import mnist

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 创建并训练AutoModel
clf = ak.ImageClassifier()
clf.fit(x_train, y_train)

# 评估模型
accuracy = clf.evaluate(x_test, y_test)
print(accuracy)

GraphAutoModel是另一个重要的类，它用于构建复杂的图神经网络模型。GraphAutoModel支持处理图数据，例如节点分类和图分类任务。与AutoModel类似，GraphAutoModel可以根据输入数据自动选择适当的图神经网络结构，并进行训练和优化。

下面是一个使用GraphAutoModel训练节点分类任务的示例代码：

import autokeras as ak
from tensorflow.keras.datasets import imdb

# 加载IMDB数据集
(x_train, y_train), (x_test, y_test) = imdb.load_data()

# 创建并训练GraphAutoModel
clf = ak.GraphAutoModel()
clf.fit(x_train, y_train)

# 评估模型
accuracy = clf.evaluate(x_test, y_test)
print(accuracy)

通过使用AutoModel和GraphAutoModel类，Autokeras可以自动化地选择适当的模型结构和优化算法，从而使机器学习任务更加简单和高效。