AutoKeras是一个自动机器学习库，可以自动进行模型选择、超参数调优和模型架构搜索。它可以帮助我们更快速地创建和训练深度学习模型。

AutoKeras试验摘要输出的解释包含了模型的架构和超参数信息，以及每个超参数的最佳取值。下面是一个示例解决方法，展示了如何解释AutoKeras试验摘要输出：

import autokeras as ak

# 定义一个AutoKeras模型
clf = ak.ImageClassifier(max_trials=10)

# 准备数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(-1, 28, 28, 1)
x_test = x_test.reshape(-1, 28, 28, 1)

# 训练模型
clf.fit(x_train, y_train, epochs=10)

# 输出试验摘要
print(clf.summary())

# 获取模型架构和超参数信息
model = clf.export_model()
model.summary()

在这个例子中，我们使用AutoKeras创建了一个图像分类器模型。首先，我们加载了MNIST数据集，然后将数据集的形状调整为适合训练的形式。接下来，我们使用AutoKeras的fit函数对模型进行训练。最后，我们使用summary函数输出试验摘要，其中包含了模型的架构和超参数信息。我们还可以通过export_model函数获取模型的架构和超参数信息，并使用summary函数输出。

这样，我们就可以获得AutoKeras试验摘要输出的解释，包含了模型的架构和超参数信息，以及每个超参数的最佳取值。