Descripción general de Vizier

AI Platform Vizier es un servicio de optimización de caja negra que permite ajustar hiperparámetros en modelos de aprendizaje automático (AA) complejos. Cuando los modelos de AA tienen muchos hiperparámetros diferentes, ajustarlos de forma manual puede resultar difícil y requerir mucho tiempo. AI Platform Vizier optimiza los resultados del modelo mediante el ajuste de los hiperparámetros.

La optimización de caja negra es la optimización de un sistema que cumple con alguno de los siguientes criterios:

  • No tiene una función objetivo conocida para evaluar.

  • Es demasiado costoso evaluarlo mediante la función objetivo, en general, debido a la complejidad del sistema.

Si es más fácil realizar experimentos en un sistema que comprender ese sistema por completo, ese sistema actúa como una caja negra. Si necesitas optimizar ese sistema, puedes usar la optimización de caja negra.

Funciones adicionales de AI Platform Vizier

AI Platform Vizier se compiló para optimizar los hiperparámetros de los modelos de AA, pero también puede realizar otras tareas de optimización.

Ajusta parámetros

AI Platform Vizier se puede usar de manera eficaz para ajustar los parámetros en una función. Por ejemplo, se puede usar para determinar la combinación más eficaz de color de fondo, tamaño de fuente y color de vínculo en el botón Suscripción de un sitio web de noticias. Consulta los casos prácticos para ver más ejemplos. Lee acerca de la diferencia entre los hiperparámetros y los parámetros.

Optimiza cualquier sistema evaluable

AI Platform Vizier se puede usar con cualquier sistema que puedas evaluar. Esto incluye los sistemas que no se pueden expresar como una función analítica de forma cerrada. Por ejemplo, puedes usar AI Platform Vizier a fin de encontrar la profundidad, el ancho y la tasa de aprendizaje de red neuronal que resulten más adecuados para un modelo de TensorFlow.

Cómo funciona AI Platform Vizier

En la siguiente sección, se resume cómo usar AI Platform Vizier para optimizar tu modelo o función de AA. Comienza por determinar una configuración de estudio.

Configuración de estudio

Una configuración de estudio es la definición del problema de optimización que intentas resolver. Incluye el resultado que deseas optimizar y los hiperparámetros o parámetros que afectan ese resultado.

Estudios y pruebas

Un estudio es la implementación de una configuración de estudio. Un estudio usa el objetivo y los valores de entrada de la configuración de estudio (hiperparámetros o parámetros) para realizar experimentos, llamados pruebas. Una prueba es un conjunto específico de valores de entrada que produce un resultado medido.

AI Platform Vizier sugiere valores de entrada para usar en cada prueba, pero no ejecuta las pruebas por ti.

Un estudio continúa hasta que alcanza un límite establecido de pruebas o hasta que lo interrumpes.

Diferencias entre AI Platform Vizier y AI Platform Training

El ajuste de hiperparámetros de AI Platform Training puede facilitar la tarea de determinar la configuración de hiperparámetros más adecuada para los trabajos de AI Platform Training. AI Platform Vizier se compila para ajustar los hiperparámetros y los parámetros, y se puede usar con cualquier sistema que puedas evaluar, incluido un trabajo de AI Platform Training. Consulta Optimiza un modelo de aprendizaje automático para ver un ejemplo de cómo usar AI Platform Vizier con AI Platform Training.

Casos de uso

Estas son algunas situaciones en las que AI Platform Vizier puede ayudar a ajustar los hiperparámetros para optimizar un modelo o ajustar los parámetros a fin de optimizar un resultado:

  • Optimiza la tasa de aprendizaje, el tamaño del lote y otros hiperparámetros de un motor de recomendaciones de redes neuronales.

  • Prueba diferentes arreglos de elementos de la interfaz de usuario para optimizar la usabilidad de una aplicación.

  • Encuentra un tamaño de búfer y un recuento de subprocesos que resulten ideales para minimizar los recursos de procesamiento de un trabajo.

  • Optimiza las cantidades de ingredientes en una receta para producir la versión más deliciosa.

¿Qué sigue?