Ringkasan Agent Platform Vizier

Agent Platform Vizier adalah alat untuk mengoptimalkan sistem apa pun dengan parameter yang dapat dikonfigurasi, yang mengevaluasi setelan parameter tertentu adalah tugas yang mahal. Jika model ML memiliki banyak hyperparameter yang berbeda, penyesuaian secara manual dapat sulit dilakukan dan menghabiskan banyak waktu. Agent Platform Vizier mengoptimalkan output model Anda dengan menyesuaikan hyperparameter untuk Anda.

Pengoptimalan black-box adalah pengoptimalan sistem yang memenuhi salah satu kriteria berikut:

  • Tidak memiliki fungsi tujuan yang diketahui untuk dievaluasi.

  • Terlalu mahal untuk dievaluasi menggunakan fungsi objektif, biasanya karena kompleksitas sistem.

Fungsi tambahan Vizier Agent Platform

Agent Platform Vizier mengoptimalkan hyperparameter model ML, tetapi juga dapat menjalankan tugas pengoptimalan lainnya.

Menyesuaikan parameter

Anda dapat menggunakan Agent Platform Vizier untuk menyesuaikan parameter dalam fungsi secara efektif. Misalnya, gunakan Agent Platform Vizier untuk menentukan kombinasi warna latar belakang, ukuran font, dan warna link yang paling efektif di tombol Langganan situs berita. Untuk contoh lainnya, lihat kasus penggunaan.

Baca perbedaan antara hyperparameter dan parameter.

Mengoptimalkan sistem yang dapat dievaluasi

Agent Platform Vizier berfungsi dengan sistem apa pun yang dapat Anda evaluasi, termasuk sistem yang tidak dapat dinyatakan sebagai fungsi analisis bentuk tertutup. Misalnya, gunakan Agent Platform Vizier untuk menemukan kedalaman, lebar, dan kecepatan pembelajaran jaringan neural terbaik untuk model TensorFlow.

Cara kerja Agent Platform Vizier

Bagian berikut ini mendefinisikan istilah, perilaku, dan nilai yang tersedia yang dapat Anda gunakan dengan Agent Platform Vizier untuk mengoptimalkan model atau fungsi ML Anda. Anda dapat memulai dengan menentukan konfigurasi studi.

Konfigurasi studi

Konfigurasi studi adalah definisi masalah pengoptimalan yang ingin Anda selesaikan. Konfigurasi ini mencakup hasil yang ingin Anda optimalkan dan hyperparameter atau parameter yang memengaruhi hasil tersebut.

Studi dan uji coba

Studi adalah penerapan konfigurasi studi. Studi menggunakan sasaran konfigurasi studi (metrik) dan nilai input (hyperparameter atau parameter) untuk melakukan eksperimen, yang disebut uji coba. Uji coba adalah serangkaian nilai input spesifik yang menghasilkan hasil yang diukur relatif terhadap sasaran Anda.

Agent Platform Vizier menyarankan nilai input yang akan digunakan untuk setiap uji coba, tetapi Agent Platform Vizier tidak akan menjalankan uji coba untuk Anda.

Studi akan berlanjut hingga mencapai batas uji coba yang ditetapkan, atau Anda menginterupsi penelitian. Uji coba berlangsung hingga Anda menyatakan bahwa pengujian tersebut selesai atau tidak memungkinkan.

Pengukuran

Pengukuran adalah hasil terukur dari uji coba Anda. Setiap pengukuran dapat berisi satu atau beberapa metrik, dan setiap uji coba dapat berisi satu atau beberapa pengukuran yang diambil selama jangka waktu tertentu. Anda dapat menambahkan pengukuran baru ke uji coba kapan pun selama uji coba belum selesai.

Algoritma penelusuran

Jika Anda tidak menentukan algoritma, Agent Platform Vizier akan menggunakan algoritma default. Algoritma default menerapkan pengoptimalan Bayesian untuk mendapatkan solusi optimal dengan penelusuran yang lebih efektif pada ruang parameter.

Nilai berikut ini tersedia:

  • ALGORITHM_UNSPECIFIED: Sama seperti jika algoritma tidak ditentukan. Agent Platform memilih algoritma penelusuran terbaik antara bandit proses Gaussian, penelusuran kombinasi linear, atau variannya.

  • GRID_SEARCH: Grid search dalam ruang yang dimungkinkan. Opsi ini khususnya sangat berguna jika Anda ingin menentukan jumlah uji coba yang lebih besar dari jumlah titik dalam ruang yang dimungkinkan. Dalam kasus semacam ini, jika Anda tidak menentukan penelusuran petak, algoritma default dapat menghasilkan saran duplikat. Untuk menggunakan grid search, semua parameter harus berjenis INTEGER, CATEGORICAL, atau DISCRETE.

  • RANDOM_SEARCH: Penelusuran acak dalam ruang yang dimungkinkan.

Perbedaan Agent Platform Vizier dengan pelatihan kustom

Agent Platform Vizier adalah layanan independen untuk mengoptimalkan model kompleks dengan banyak parameter. Layanan ini dapat digunakan untuk kasus penggunaan ML maupun selain ML. Layanan ini dapat digunakan dengan tugas Pelatihan atau dengan sistem lain (bahkan multicloud). Penyesuaian hyperparameter untuk pelatihan kustom adalah fitur bawaan yang menggunakan Agent Platform Vizier untuk tugas pelatihan. Fitur ini menentukan setelan hyperparameter terbaik untuk model ML.

Kasus penggunaan

Dalam skenario berikut, Agent Platform Vizier membantu menyesuaikan hyperparameter untuk mengoptimalkan model atau menyesuaikan parameter guna mengoptimalkan hasil:

  • Mengoptimalkan kecepatan pembelajaran, ukuran tumpukan, dan hyperparameter lainnya dari mesin pemberi saran jaringan neural.

  • Mengoptimalkan kegunaan aplikasi dengan menguji berbagai pengaturan elemen antarmuka pengguna.

  • Meminimalkan resource komputasi untuk suatu tugas dengan mengidentifikasi ukuran buffer dan jumlah thread yang ideal.

  • Mengoptimalkan jumlah bahan dalam resep untuk menghasilkan versi yang paling lezat.

Langkah berikutnya