Ringkasan Vertex AI Vizier

Vertex AI Vizier adalah layanan pengoptimalan black-box yang membantu menyesuaikan hyperparameter dalam model machine learning (ML) yang kompleks. Jika model ML memiliki banyak hyperparameter yang berbeda, penyesuaian secara manual dapat sulit dilakukan dan menghabiskan banyak waktu. Vertex AI Vizier mengoptimalkan output model Anda dengan menyesuaikan hyperparameter untuk Anda.

Pengoptimalan black-box adalah pengoptimalan sistem yang memenuhi salah satu kriteria berikut:

  • Tidak memiliki fungsi tujuan yang diketahui untuk dievaluasi.

  • Terlalu mahal untuk dievaluasi menggunakan fungsi objektif, biasanya karena kompleksitas sistem.

Fungsi tambahan Vertex AI Vizier

Vertex AI Vizier mengoptimalkan hyperparameter model ML, tetapi juga dapat menjalankan tugas pengoptimalan lainnya.

Menyesuaikan parameter

Anda dapat menggunakan Vertex AI Vizier untuk menyesuaikan parameter dalam fungsi secara efektif. Misalnya, gunakan Vertex AI Vizier untuk menentukan kombinasi warna latar belakang, ukuran font, dan warna link yang paling efektif di tombol Langganan situs berita. Untuk contoh lainnya, lihat kasus penggunaan.

Baca perbedaan antara hyperparameter dan parameter.

Mengoptimalkan sistem yang dapat dievaluasi

Vertex AI Vizier berfungsi dengan sistem apa pun yang dapat Anda evaluasi, termasuk sistem yang tidak dapat dinyatakan sebagai fungsi analisis bentuk tertutup. Misalnya, gunakan Vertex AI Vizier untuk menemukan kedalaman, lebar, dan kecepatan pembelajaran jaringan neural terbaik untuk model TensorFlow.

Cara kerja Vertex AI Vizier

Bagian berikut ini mendefinisikan istilah, perilaku, dan nilai yang tersedia yang dapat Anda gunakan dengan Vertex AI Vizier untuk mengoptimalkan model atau fungsi ML Anda. Anda dapat memulai dengan menentukan konfigurasi studi.

Konfigurasi studi

Konfigurasi studi adalah definisi masalah pengoptimalan yang ingin Anda selesaikan. Konfigurasi ini mencakup hasil yang ingin Anda optimalkan dan hyperparameter atau parameter yang memengaruhi hasil tersebut.

Studi dan uji coba

Studi adalah penerapan konfigurasi studi. Studi menggunakan sasaran konfigurasi studi (metrik) dan nilai input (hyperparameter atau parameter) untuk melakukan eksperimen, yang disebut uji coba. Uji coba adalah serangkaian nilai input spesifik yang menghasilkan hasil yang diukur relatif terhadap sasaran Anda.

Vertex AI Vizier menyarankan nilai input yang akan digunakan untuk setiap uji coba, tetapi Vertex AI Vizier tidak akan menjalankan uji coba untuk Anda.

Studi akan berlanjut hingga mencapai batas uji coba yang ditetapkan, atau Anda menginterupsi penelitian. Uji coba berlangsung hingga Anda menyatakan bahwa pengujian tersebut selesai atau tidak memungkinkan.

Pengukuran

Pengukuran adalah hasil terukur dari uji coba Anda. Setiap pengukuran dapat berisi satu atau beberapa metrik, dan setiap uji coba dapat berisi satu atau beberapa pengukuran yang diambil selama jangka waktu tertentu. Anda dapat menambahkan pengukuran baru ke uji coba kapan pun selama uji coba belum selesai.

Algoritma penelusuran

Jika Anda tidak menentukan algoritma, Vertex AI Vizier akan menggunakan algoritma default. Algoritma default menerapkan pengoptimalan Bayesian untuk mendapatkan solusi optimal dengan penelusuran yang lebih efektif pada ruang parameter.

Nilai berikut ini tersedia:

  • ALGORITHM_UNSPECIFIED: Sama seperti jika algoritma tidak ditentukan. Vertex AI memilih algoritma penelusuran terbaik antara bandit proses Gaussian, penelusuran kombinasi linear, atau variannya.

  • GRID_SEARCH: Penelusuran petak sederhana dalam ruang yang dimungkinkan. Opsi ini khususnya sangat berguna jika Anda ingin menentukan jumlah uji coba yang lebih besar dari jumlah titik dalam ruang yang dimungkinkan. Dalam kasus semacam ini, jika Anda tidak menentukan penelusuran petak, algoritma default dapat menghasilkan saran duplikat. Untuk menggunakan penelusuran petak, semua parameter harus berjenis INTEGER, CATEGORICAL, atau DISCRETE.

  • RANDOM_SEARCH: Penelusuran acak sederhana dalam ruang yang diizinkan.

Perbedaan Vertex AI Vizier dengan pelatihan kustom

Vertex AI Vizier adalah layanan independen untuk mengoptimalkan model kompleks dengan banyak parameter. Layanan ini dapat digunakan untuk kasus penggunaan ML maupun selain ML. Layanan ini dapat digunakan dengan tugas Pelatihan atau dengan sistem lain (bahkan multicloud). Penyesuaian hyperparameter untuk pelatihan kustom adalah fitur bawaan yang menggunakan Vertex AI Vizier untuk tugas pelatihan. Fitur ini menentukan setelan hyperparameter terbaik untuk model ML.

Kasus penggunaan

Dalam skenario berikut, Vertex AI Vizier membantu menyesuaikan hyperparameter untuk mengoptimalkan model atau menyesuaikan parameter guna mengoptimalkan hasil:

  • Mengoptimalkan kecepatan pembelajaran, ukuran tumpukan, dan hyperparameter lainnya dari mesin pemberi saran jaringan neural.

  • Mengoptimalkan kegunaan aplikasi dengan menguji berbagai pengaturan elemen antarmuka pengguna.

  • Meminimalkan resource komputasi untuk suatu tugas dengan mengidentifikasi ukuran buffer dan jumlah thread yang ideal.

  • Mengoptimalkan jumlah bahan dalam resep untuk menghasilkan versi yang paling lezat.

Langkah selanjutnya