Visão geral do Vizier

O AI Platform Vizier é um serviço de otimização de caixa preta que ajuda a ajustar hiperparâmetros em modelos de machine learning (ML) complexos. Quando os modelos de ML têm muitos hiperparâmetros diferentes, é possível que seja difícil e demorado ajustá-los manualmente. O AI Platform Vizier otimiza a saída do modelo ajustando os hiperparâmetros para você.

A otimização de caixa preta é a otimização de um sistema que atende a um dos seguintes critérios:

  • Não tem uma função de objetivo conhecida para avaliar.

  • É muito caro avaliar usando a função de objetivo, geralmente devido à complexidade do sistema.

Se for mais fácil realizar experimentos em um sistema do que entendê-lo completamente, esse sistema agirá como se fosse uma caixa preta. Se for preciso otimizar esse sistema, use a otimização de caixa preta.

Funcionalidade extra do AI Platform Vizier

O AI Platform Vizier foi criado para otimizar hiperparâmetros de modelos de ML, mas também executa outras tarefas de otimização.

Parâmetros de ajuste

É possível que o AI Platform Vizier seja usado efetivamente para ajustar parâmetros em uma função. Por exemplo, é possível usá-lo para determinar a combinação mais eficaz de cor de fundo, tamanho da fonte e cor do link no botão "Assinatura" de um site de notícias. Veja os casos de uso para mais exemplos. Leia sobre a diferença entre hiperparâmetros e parâmetros.

Como otimizar qualquer sistema avaliado

É possível usar o AI Platform Vizier com qualquer sistema que puder ser avaliado. Isso inclui sistemas que não podem ser expressos como uma função analítica de formato fechado. Por exemplo, use o AI Platform Vizier para encontrar a melhor profundidade, largura e taxa de aprendizado da rede neural para um modelo do TensorFlow.

Como funciona o AI Platform Vizier

A seção a seguir resume como usar o AI Platform Vizier para otimizar seu modelo ou função de ML. Comece determinando uma configuração de estudo.

Configurações de estudo

Uma configuração de estudo é a definição do problema de otimização que você está tentando resolver. Ele inclui o resultado que você quer otimizar e os hiperparâmetros ou parâmetros que afetam esse resultado.

Estudos e testes

Um estudo é a implementação de uma configuração de estudo. Um estudo usa a meta e os valores de entrada da configuração do estudo (hiperparâmetros ou parâmetros) para realizar experimentos, chamados de testes. Um teste é um conjunto específico de valores de entrada que produz um resultado medido.

O AI Platform Vizier sugere valores de entrada a serem usados em cada teste, mas não executa os testes para você.

Um estudo continua até alcançar um limite definido de testes ou até que você o interrompa.

Qual é a diferença entre o AI Platform Vizier e o AI Platform Training

É possível que o ajuste de hiperparâmetros do AI Platform Training facilite a definição das melhores configurações de hiperparâmetros para jobs do AI Platform Training. O AI Platform Vizier foi feito para ajustar hiperparâmetros e parâmetros, além de poder ser usado com qualquer sistema que puder ser avaliado, incluindo um job do AI Platform Training. Consulte Como otimizar um modelo de machine learning para um exemplo de como usar o AI Platform Vizier com o AI Platform Training.

Casos de uso

Veja alguns cenários em que o AI Platform Vizier ajuda no ajuste de hiperparâmetros na otimização de um modelo ou no ajuste de parâmetros para otimizar um resultado:

  • Otimize a taxa de aprendizado, o tamanho do lote e outros hiperparâmetros de um mecanismo de recomendação de rede neural.

  • Teste diferentes arranjos de elementos da interface do usuário para otimizar a usabilidade de um aplicativo.

  • Encontre um tamanho do buffer e uma contagem de linhas de execução ideais para minimizar os recursos de computação de um job.

  • Otimize a quantidade de ingredientes em uma receita para produzir a melhor versão dela.

A seguir