Vertex Vizier 超參數調整改進 ML 模型的 5 種方式

 


雲寶寶報你知!
Google Cloud最近推出了Vertex AI,幫助您更快地將機器學習 (ML) 從實驗轉移到生產並自信地管理模型。

Vertex Vizier 以多種方式啟用自動超參數調整:
1.傳統超參數調整:通過測量作為 ML 模型輸出的單個客觀指標來找到超參數的最佳值。
2.當評估超參數時,模型會根據數據集的分割進行訓練和評估。若在訓練模型時將評估指標流式傳輸到 Vizier,則其提前停止算法可預測最終目標值,節省計算資源並加快了收斂速度。
3.模型通常會在不同的數據集上按順序調整。Vizier 的內置遷移學習從之前的超參數調整研究中學習先驗,並利用它們在後續的超參數調整研究中更快地收斂。
4.AutoML是 #1 的變體,其中 Vertex Vizier 執行模型選擇,還調整架構/非架構修改超參數。
5.有時希望優化多個指標。Vizier 可以找到帕累托邊界,為多個指標提供權衡,允許用戶選擇適當的權衡。

原文連結:https://lihi1.com/jwW2i

#VertexVizier #GoogleCloud #超參數調整 #機器學習