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 (ML) complessi. Quando i modelli di ML hanno molti iperparametri diversi, può essere difficile e richiedere molto tempo ottimizzarli manualmente. Vertex AI Vizier ottimizza l'output del tuo modello regolando gli iperparametri per lo sgravarti di questo compito.

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

  • Non ha una funzione di scopo nota da valutare.

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

Ulteriori funzionalità 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 in una funzione. Ad esempio, utilizza Vertex AI Vizier per determinare la combinazione più efficace di colore di sfondo, dimensione dei caratteri e colore dei link sul pulsante di iscrizione 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 che puoi valutare, inclusi i sistemi che non possono essere espressi come funzione analitica chiusa. Ad esempio, utilizza Vizier di Vertex AI per trovare la profondità, la larghezza e la frequenza di apprendimento migliori per una rete neurale per un modello TensorFlow.

Come funziona Vertex AI Vizier

Le sezioni seguenti definiscono termini, comportamento e valori disponibili che puoi utilizzare con Vertex AI Vizier per ottimizzare il tuo modello o la tua funzione di ML. Per iniziare, determina una configurazione dell'esperimento.

Configurazioni dello 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 i parametri che influiscono su questo risultato.

Studi e sperimentazioni

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. Un esperimento è un insieme specifico di valori di input che producono un risultato misurato in base 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 fino a quando non raggiunge un limite preimpostato di prove o fino a quando non lo interrompi. Una prova continua fino a quando non indichi che è stata completata o non è fattibile.

Misure

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

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 fosse stato specificato alcun algoritmo. Vertex AI sceglie l'algoritmo di ricerca migliore tra i banditi con processo Gaussiano, la ricerca di combinazioni lineari o le relative varianti.

  • GRID_SEARCH: una semplice ricerca a griglia all'interno dello spazio possibile. 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 in 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 casi d'uso ML che non ML. Può essere utilizzato con 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. Aiuta a determinare le impostazioni degli iperparametri migliori per un modello ML.

Casi d'uso

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

  • Ottimizza il tasso di apprendimento, la dimensione del batch e altri iperparametri di un motore di consigli basato su reti neurali.

  • 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 un numero di thread ideali.

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

Passaggi successivi