Información general sobre Vertex AI Vizier

Vertex AI Vizier es una herramienta para optimizar cualquier sistema con parámetros configurables en el que evaluar cualquier configuración de parámetros es una tarea costosa. Cuando los modelos de aprendizaje automático tienen muchos hiperparámetros diferentes, puede ser difícil y llevar mucho tiempo ajustarlos manualmente. Vertex AI Vizier optimiza los resultados de tu modelo ajustando los hiperparámetros.

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

  • No tiene una función objetivo conocida para evaluar.

  • Es demasiado costoso de evaluar mediante la función objetivo, normalmente debido a la complejidad del sistema.

Funciones adicionales de Vertex AI Vizier

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

Ajustar parámetros

Puedes usar Vertex AI Vizier para ajustar los parámetros de una función de forma eficaz. Por ejemplo, usa Vertex AI Vizier para determinar la combinación más eficaz de color de fondo, tamaño de fuente y color de enlace en el botón de suscripción de un sitio web de noticias. Para ver más ejemplos, consulta los casos prácticos.

Consulta la diferencia entre los hiperparámetros y los parámetros.

Optimizar cualquier sistema evaluable

Vertex AI Vizier funciona con cualquier sistema que puedas 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 mejor profundidad, anchura y tasa de aprendizaje de la red neuronal 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 aprendizaje automático. Empieza por determinar la configuración del estudio.

Configuraciones del estudio

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

Estudios y ensayos

Un estudio es la implementación de una configuración de estudio. Un estudio usa los objetivos (métricas) y los valores de entrada (hiperparámetros o parámetros) de la configuración del estudio para llevar a cabo experimentos, llamados pruebas. Una prueba es un conjunto específico de valores de entrada que produce un resultado medido en relación con tus objetivos.

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

Un estudio continúa hasta que alcanza un límite de pruebas establecido o hasta que lo interrumpes. Una prueba continúa hasta que indiques que ha finalizado o que no es viable.

Mediciones

Una medición es el resultado medido de tu prueba. Cada medición puede contener una o varias métricas, y cada prueba puede contener una o varias mediciones tomadas durante un periodo. Puedes añadir una nueva medición a la prueba en cualquier momento antes de que finalice.

Algoritmos de búsqueda

Si no especificas ningún 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 eficaz en el espacio de parámetros.

Están disponibles los siguientes valores:

  • ALGORITHM_UNSPECIFIED: es lo mismo que no especificar ningún 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 de cuadrícula sencilla en el espacio factible. Esta opción es útil si quieres especificar una cantidad de pruebas que sea mayor que el número de puntos del espacio factible. En estos casos, si no especificas una búsqueda de cuadrícula, el algoritmo predeterminado puede generar sugerencias duplicadas. Para usar la búsqueda en cuadrícula, todos los parámetros deben ser de tipo INTEGER, CATEGORICAL o DISCRETE.

  • RANDOM_SEARCH: una búsqueda aleatoria sencilla dentro del espacio factible.

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 tanto en casos prácticos de aprendizaje automático como en otros. Se puede usar con tareas de entrenamiento o con otros sistemas (incluso multicloud). El ajuste de hiperparámetros para el entrenamiento personalizado es una función integrada que usa Vertex AI Vizier para las tareas de entrenamiento. Ayuda a determinar los mejores ajustes de hiperparámetros para un modelo de aprendizaje automático.

Casos prácticos

En los siguientes casos, Vertex AI Vizier ayuda a ajustar los hiperparámetros para optimizar un modelo o los parámetros para optimizar un resultado:

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

  • Optimizar la usabilidad de una aplicación probando diferentes disposiciones de los elementos de la interfaz de usuario.

  • Minimiza los recursos de computación de un trabajo identificando el tamaño de búfer y el número de subprocesos ideales.

  • Optimiza las cantidades de los ingredientes de una receta para conseguir la versión más deliciosa.

Siguientes pasos