Panoramica di Vertex AI Vizier

Vertex AI Vizier è un servizio di ottimizzazione black-box che aiuta a ottimizzare gli iperparametri in modelli di machine learning complessi (ML). Quando i modelli ML hanno molti iperparametri diversi, perfezionarli manualmente può essere difficile e dispendioso in termini di tempo. Vertex AI Vizier ottimizza l'output del modello regolando gli iperparametri per te.

L'ottimizzazione black-box è l'ottimizzazione di un sistema che soddisfa uno dei seguenti criteri:

  • Non ha una funzione di obiettivo nota da valutare.

  • È troppo costoso da valutare utilizzando la funzione obiettivo, di solito a causa della complessità del sistema.

Funzionalità aggiuntive di Vertex AI Vizier

Vertex AI Vizier ottimizza gli iperparametri dei modelli ML, ma può anche eseguire altre attività di ottimizzazione.

Ottimizzare i parametri

Con Vertex AI Vizier puoi ottimizzare i parametri in modo efficace in una funzione. Ad esempio, puoi utilizzare Vertex AI Vizier per determinare la combinazione più efficace di colore di sfondo, dimensioni del carattere e colore del link sul pulsante Abbonamento di un sito web di notizie. Per altri esempi, consulta i casi d'uso.

Scopri la differenza tra iperparametri e parametri.

Ottimizza qualsiasi sistema valutabile

Vertex AI Vizier funziona con qualsiasi sistema tu possa valutare, compresi quelli che non possono essere espressi come funzione analitica in formato chiuso. Ad esempio, utilizza Vertex AI Vizier per trovare la profondità, la larghezza e il tasso di apprendimento di rete neurale migliori per un modello TensorFlow.

Come funziona Vertex AI Vizier

Le seguenti sezioni definiscono i termini, il comportamento e i valori disponibili che puoi utilizzare con Vertex AI Vizier per ottimizzare il modello o la funzione ML. Inizia definendo una configurazione dello studio.

Configurazioni dello studio

Una configurazione di studio è la definizione del problema di ottimizzazione che stai cercando di risolvere. Include il risultato da ottimizzare e gli iperparametri o i parametri che influiscono sul risultato.

Studi e prove

Uno studio è l'implementazione di una configurazione di studio. Uno studio utilizza gli obiettivi (metriche) e i valori di input (iperparametri o parametri) della configurazione di studio per condurre esperimenti, chiamati prove. Una prova è un insieme specifico di valori di input che producono un risultato misurato in relazione ai tuoi obiettivi.

Vertex AI Vizier suggerisce valori di input da utilizzare per ogni prova, ma non esegue prove per te.

Uno studio continua fino a raggiungere il limite stabilito di prove o fino a quando lo interrompi. La prova continua finché non indichi che è terminata o non è fattibile.

Misure

Una misurazione è il risultato misurato della prova. Ogni misurazione può contenere una o più metriche, mentre ogni prova può contenere una o più misurazioni eseguite in un determinato periodo di tempo. Puoi aggiungere una nuova misurazione alla prova in qualsiasi momento prima del termine della prova.

Algoritmi di ricerca

Se non specifichi un algoritmo, Vertex AI Vizier utilizza l'algoritmo predefinito. L'algoritmo predefinito applica l'ottimizzazione bayesiana per arrivare alla soluzione ottimale con una ricerca più efficace sullo spazio dei parametri.

Sono disponibili i seguenti valori:

  • ALGORITHM_UNSPECIFIED: equivale a non specificare un algoritmo. Vertex AI sceglie il miglior algoritmo di ricerca tra banditi del processo gaussiano, ricerca di combinazioni lineari o relative varianti.

  • GRID_SEARCH: una semplice ricerca a griglia all'interno dello spazio fattibile. Questa opzione è utile se vuoi specificare una quantità di prove maggiore del numero di punti nello spazio fattibile. In questi casi, se non specifichi una ricerca nella griglia, l'algoritmo predefinito può generare suggerimenti duplicati. Per utilizzare la ricerca a griglia, tutti i parametri devono essere di tipo INTEGER, CATEGORICAL o DISCRETE.

  • RANDOM_SEARCH: una semplice ricerca casuale all'interno dello spazio fattibile.

Differenze tra Vertex AI Vizier e l'addestramento personalizzato

Vertex AI Vizier è un servizio indipendente per l'ottimizzazione di modelli complessi con molti parametri. Può essere utilizzata sia per casi d'uso ML che non ML. Può essere utilizzato con job di addestramento o con altri sistemi (anche multi-cloud). L'ottimizzazione degli iperparametri per l'addestramento personalizzato è una funzionalità integrata che utilizza Vertex AI Vizier per l'addestramento dei job. Aiuta a determinare le migliori impostazioni degli iperparametri per un modello ML.

Casi d'uso

Nei seguenti scenari, Vertex AI Vizier aiuta a ottimizzare gli iperparametri per ottimizzare un modello o regolare i parametri per ottimizzare un risultato:

  • Ottimizza il tasso di apprendimento, le dimensioni del batch e altri iperparametri di un motore per suggerimenti di rete neurale.

  • Ottimizza l'usabilità di un'applicazione testando diverse disposizioni degli elementi dell'interfaccia utente.

  • Riduci al minimo le risorse di calcolo per un job identificando una dimensione del buffer e il numero di thread ideali.

  • Ottimizza la quantità di ingredienti di una ricetta per realizzare la versione più deliziosa.

Passaggi successivi