Descripción general de Vertex AI Vizier

Vertex AI 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. Vertex AI 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.

Funcionalidad adicional Vertex AI Vizier

Vertex AI Vizier optimiza los hiperparámetros de los modelos de AA, pero también puede realizar otras tareas de optimización.

Ajustar los parámetros

Puedes usar Vertex AI Vizier para ajustar de forma eficaz los parámetros en una función. Por ejemplo, usa Vertex AI Vizier 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. Para ver más ejemplos, consulta los casos de uso.

Lee acerca de la diferencia entre los hiperparámetros y los parámetros.

Optimiza cualquier sistema evaluable

Vertex AI Vizier funciona con cualquier sistema que puedes evaluar, incluidos los sistemas que no se pueden expresar como una función analítica de forma cerrada. Por ejemplo, usa Vertex AI Vizier para encontrar la profundidad, el ancho y la tasa de aprendizaje de la red neuronal que resulten más adecuados para un modelo de TensorFlow.

Cómo funciona Vertex AI Vizier

En las siguientes secciones, se definen los términos, el comportamiento y los valores disponibles que puedes usar con Vertex AI 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 los objetivos (métricas) y los valores de entrada de la configuración de estudio (hiperparámetros o parámetros) para realizar experimentos que se denominan pruebas. Una prueba es un conjunto específico de valores de entrada que produce un resultado medido en relación con los objetivos.

Vertex AI 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 interrumpas. Una prueba continúa hasta que indiques que ya finalizó o que no es posible.

Medidas

Una medición es el resultado medido de tu prueba. Cada medición puede contener una o más métricas, y cada prueba puede contener una o más mediciones realizadas durante un período. Puedes agregar una medida nueva a la prueba en cualquier momento antes de que se complete.

Algoritmos de búsqueda

Si no especificas un algoritmo, Vertex AI Vizier usará el algoritmo predeterminado. El algoritmo predeterminado aplica la optimización Bayesiana para llegar a la solución óptima con una búsqueda más efectiva en el espacio de los parámetros.

Los siguientes valores están disponibles:

  • ALGORITHM_UNSPECIFIED: Igual que no especificar un algoritmo. Vertex AI elige el mejor algoritmo de búsqueda entre los bandidos de procesos gaussianos, la búsqueda de combinación lineal o sus variantes.

  • GRID_SEARCH: Una búsqueda por cuadrícula simple dentro del espacio posible. Esta opción es útil si deseas especificar una cantidad de pruebas que sea mayor que la cantidad de puntos en el espacio posible. En tales casos, si no especificas una búsqueda por cuadrícula, el algoritmo predeterminado podría generar sugerencias duplicadas. Para usar la búsqueda por cuadrícula, todos los parámetros deben ser del tipo INTEGER, CATEGORICAL o DISCRETE.

  • RANDOM_SEARCH: Una búsqueda aleatoria simple dentro del espacio posible.

Diferencias entre Vertex AI Vizier y el entrenamiento personalizado

Vertex AI Vizier es un servicio independiente para optimizar modelos complejos con muchos parámetros. Se puede usar para casos prácticos de AA y no AA. Se puede usar con trabajos de entrenamiento o con otros sistemas (incluso en múltiples nubes). El ajuste de hiperparámetros para el entrenamiento personalizado es una función integrada que usa Vertex AI Vizier para los trabajos de entrenamiento. Ayuda a determinar la mejor configuración de hiperparámetros para un modelo de AA.

Casos de uso

En las siguientes situaciones, Vertex AI Vizier ayuda 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.

  • Optimiza la usabilidad de una aplicación mediante la prueba de diferentes arreglos de elementos de la interfaz de usuario.

  • Minimiza los recursos de procesamiento para un trabajo mediante la identificación de un tamaño de búfer y un recuento de subprocesos ideales.

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

¿Qué sigue?