Ringkasan AI Platform Vizier

AI Platform Vizier adalah layanan pengoptimalan black-box yang membantu Anda menyesuaikan hyperparameter dalam model machine learning (ML) yang kompleks. Jika model ML memiliki banyak hyperparameter yang berbeda, penyesuaian secara manual dapat sulit dilakukan dan menghabiskan banyak waktu. AI 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.

Jika lebih mudah untuk melakukan eksperimen pada sistem daripada memahaminya sepenuhnya, sistem tersebut akan bertindak seolah-olah merupakan kotak hitam. Jika perlu mengoptimalkan sistem tersebut, Anda dapat menggunakan pengoptimalan black-box.

Fungsi tambahan AI Platform Vizier

AI Platform Vizier dibuat untuk mengoptimalkan hyperparameter model ML, tetapi juga dapat menjalankan tugas pengoptimalan lainnya.

Parameter penyempurnaan

AI Platform Vizier dapat digunakan secara efektif untuk menyesuaikan parameter dalam fungsi. Misalnya, Anda dapat menggunakannya untuk menentukan kombinasi warna latar belakang, ukuran font, dan warna link yang paling efektif di tombol Langganan situs berita. Lihat kasus penggunaan untuk contoh lainnya. Baca perbedaan antara hyperparameter dan parameter.

Mengoptimalkan sistem yang dapat dievaluasi

AI Platform Vizier dapat digunakan dengan sistem apa pun yang dapat Anda evaluasi. Hal ini mencakup sistem yang tidak dapat dinyatakan sebagai fungsi analisis bentuk tertutup. Misalnya, Anda dapat menggunakan AI Platform Vizier untuk menemukan kedalaman, lebar, dan kecepatan pembelajaran jaringan neural terbaik untuk model TensorFlow.

Cara kerja AI Platform Vizier

Bagian berikut merangkum cara menggunakan AI 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 dan nilai input konfigurasi studi (hyperparameter atau parameter) untuk melakukan eksperimen, yang disebut uji coba. Uji coba adalah serangkaian nilai input spesifik yang menghasilkan hasil yang diukur.

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

Studi akan berlanjut hingga mencapai batas uji coba yang ditetapkan atau Anda menginterupsi studi.

Perbedaan AI Platform Vizier dengan AI Platform Training

Penyesuaian hyperparameter Pelatihan AI Platform dapat memudahkan penentuan setelan hyperparameter terbaik untuk tugas Pelatihan AI Platform. AI Platform Vizier dibuat untuk menyesuaikan hyperparameter dan parameter, dan dapat digunakan dengan sistem apa pun yang dapat Anda evaluasi, termasuk tugas AI Platform Training. Lihat Mengoptimalkan model machine learning untuk mengetahui contoh cara menggunakan AI Platform Vizier dengan AI Platform Training.

Kasus penggunaan

Berikut beberapa skenario saat AI Platform Vizier dapat membantu menyesuaikan hyperparameter untuk mengoptimalkan model atau menyesuaikan parameter untuk mengoptimalkan hasil:

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

  • Uji berbagai pengaturan elemen antarmuka pengguna untuk mengoptimalkan kegunaan aplikasi.

  • Temukan ukuran buffer dan jumlah thread yang ideal untuk meminimalkan resource komputasi untuk suatu tugas.

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

Langkah selanjutnya