Panoramica di Vertex AI Vizier

Vertex AI Vizier è uno strumento per ottimizzare qualsiasi sistema con parametri configurabili in cui la valutazione di qualsiasi impostazione dei parametri è un'attività costosa. Quando i modelli ML hanno molti iperparametri diversi, può essere difficile e dispendioso in termini di tempo ottimizzarli manualmente. 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 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.

Ottimizza i parametri

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

Scopri la differenza tra iperparametri e parametri.

Ottimizzare qualsiasi sistema valutabile

Vertex AI Vizier funziona con qualsiasi sistema che puoi valutare, inclusi quelli che non possono essere espressi come funzione analitica in forma chiusa. Ad esempio, utilizza Vertex AI Vizier per trovare la profondità, la larghezza e il tasso di apprendimento migliori per una rete neurale per un modello TensorFlow.

Come funziona Vertex AI Vizier

Le sezioni seguenti 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 determinando una configurazione dello studio.

Configurazioni di studio

Una configurazione dello studio è la definizione del problema di ottimizzazione che stai cercando di risolvere. Include il risultato che vuoi ottimizzare e gli iperparametri o parametri che influiscono su quel 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 produce un risultato misurato rispetto ai tuoi obiettivi.

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

Uno studio continua finché non raggiunge un limite prestabilito di prove o finché non lo interrompi. Una 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 e ogni prova può contenere una o più misurazioni effettuate in un periodo di tempo. Puoi aggiungere una nuova misurazione alla prova in qualsiasi momento prima del termine.

Algoritmi della Ricerca

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

Sono disponibili i seguenti valori:

  • ALGORITHM_UNSPECIFIED: come se non avessi specificato un algoritmo. Vertex AI sceglie il miglior algoritmo di ricerca tra i banditi del processo gaussiano, la ricerca di combinazioni lineari o le loro varianti.

  • GRID_SEARCH: una semplice ricerca a griglia all'interno dello spazio disponibile. Questa opzione è utile se vuoi specificare una quantità di prove superiore al numero di punti nello spazio disponibile. In questi casi, se non specifichi una ricerca a 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 disponibile.

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 utilizzato sia per i casi d'uso ML che non ML. Può essere utilizzato con i job di addestramento o con altri sistemi (anche multicloud). L'ottimizzazione degli iperparametri per l'addestramento personalizzato è una funzionalità integrata che utilizza Vertex AI Vizier per i job di addestramento. Consente di 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, la dimensione 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.

  • Ridurre al minimo le risorse di computing per un job identificando una dimensione del buffer e un numero di thread ideali.

  • Ottimizza le quantità degli ingredienti di una ricetta per produrre la versione più deliziosa.

Passaggi successivi