Vizier 개요

AI Platform Vizier는 복잡한 머신러닝(ML) 모델에서 초매개변수를 미세 조정할 수 있는 블랙박스 최적화 서비스입니다. ML 모델에 다양한 초매개변수가 있는 경우 일일이 미세 조정하기가 어렵고 시간이 오래 걸릴 수 있습니다. AI Platform Vizier는 초매개변수를 미세 조정하여 모델의 출력을 최적화합니다.

블랙박스 최적화는 다음 기준 중 하나를 충족하는 시스템 최적화입니다.

  • 평가할 알려진 목적 함수가 없는 경우

  • 일반적으로 시스템의 복잡성으로 인해 목적 함수를 사용하여 평가하기엔 너무 많은 비용이 드는 경우

시스템을 완전히 이해하기보다 시스템에서 실험을 수행하는 것이 더 쉬운 경우 시스템이 블랙박스처럼 작동합니다. 이 시스템을 최적화해야 하는 경우 블랙박스 최적화를 사용할 수 있습니다.

추가 AI Platform Vizier 기능

AI Platform Vizier는 ML 모델의 초매개변수를 최적화하도록 설계되었지만 다른 최적화 작업도 수행할 수 있습니다.

매개변수 미세 조정

AI Platform Vizier는 효과적으로 함수의 매개변수를 미세 조정할 수 있습니다. 예를 들어 뉴스 웹사이트 구독 버튼의 배경색, 글꼴 크기 및 링크 색상을 가장 효과적으로 조합 할 수 있습니다. 자세한 예시는 사용 사례를 참조하세요. 초매개변수와 매개변수의 차이점 알아보기

평가 가능한 모든 시스템 최적화

평가할 수 있는 모든 시스템에서 AI Platform Vizier를 사용할 수 있습니다. 여기에는 닫힌 형태의 분석 함수로 표현할 수 없는 시스템도 포함됩니다. 예를 들어 AI Platform Vizier를 사용하면 TensorFlow 모델에 가장 적합한 신경망 깊이, 너비, 학습률을 찾을 수 있습니다.

AI Platform Vizier의 작동 방식

다음 섹션에서는 AI Platform Vizier를 사용하여 ML 모델 또는 함수를 최적화하는 방법을 요약합니다. 먼저 학습 구성을 결정합니다.

학습 구성

학습 구성은 해결하려는 최적화 문제의 정의입니다. 여기에는 최적화할 결과 혹은 해당 결과에 영향을 미치는 초매개변수 또는 매개변수가 포함됩니다.

학습 및 시도

학습은 학습 구성의 구현입니다. 학습에서는 학습 구성의 목표와 입력 값(초매개변수 또는 매개변수)을 사용하여 시도라는 실험을 수행합니다. 시도는 측정된 결과를 산출하는 입력 값의 특정한 집합입니다.

AI Platform Vizier는 각 시도에 사용할 입력 값을 제안하지만 자동으로 시도를 실행하지는 않습니다.

학습은 설정된 한도에 도달하거나 중단될 때까지 계속됩니다.

AI Platform Vizier와 AI Platform Training의 차이점

AI Platform Training 초매개변수 미세 조정을 사용하면 초매개변수를 어떻게 설정하는 것이 AI Platform Training 작업에 가장 적합한지 쉽게 판단할 수 있습니다. AI Platform Vizier는 초매개변수와 매개변수를 모두 미세 조정하도록 빌드되며, AI Platform Training 작업을 비롯해 평가할 수 있는 모든 시스템에서 사용할 수 있습니다. AI Platform Training에 AI Platform Vizier를 사용하는 방법의 예시는 머신러닝 모델 최적화를 참조하세요.

사용 사례

다음은 AI Platform Vizier가 초매개변수를 미세 조정하여 모델을 최적화하거나 결과를 최적화할 수 있는 몇 가지 시나리오입니다.

  • 신경망 추천 엔진의 학습률, 배치 크기, 기타 초매개변수를 최적화합니다.

  • 사용자 인터페이스 요소의 다양한 배열을 테스트하여 애플리케이션의 사용성을 최적화합니다.

  • 이상적인 버퍼 크기와 스레드 수를 찾아 작업의 컴퓨팅 리소스를 최소화합니다.

  • 레시피에서 재료의 양을 최적화하여 가장 맛있는 버전을 만듭니다.

다음 단계