AI Platform Optimizer ja HyperTune on kaks erinevat funktsiooni, mida Google Cloud AI Platform pakub masinõppemudelite koolituse optimeerimiseks. Kuigi mõlema eesmärk on mudeli jõudlust parandada, erinevad nad oma lähenemisviiside ja funktsioonide poolest.
AI platvormi optimeerija on funktsioon, mis uurib automaatselt hüperparameetrite ruumi, et leida mudeli treenimiseks parim hüperparameetrite komplekt. Hüperparameetrid on sätted, mis määravad mudeli käitumise ja toimivuse, nagu õppimiskiirus, partii suurus ja reguleerimise tugevus. AI Platform Optimizer kasutab optimaalsete hüperparameetrite tõhusaks otsimiseks tehnikat, mida nimetatakse Bayesi optimeerimiseks.
Bayesi optimeerimine toimib eesmärgifunktsiooni tõenäosusmudeli koostamise teel, mis esindab mudeli toimivust hüperparameetrite suhtes. Seda mudelit kasutatakse seejärel uute hüperparameetrite komplektide soovitamiseks, mida hinnata. Mudelit iteratiivselt hinnates ja värskendades läheneb AI platvormi optimeerija järk-järgult parimale hüperparameetrite komplektile. See automatiseeritud protsess säästab aega ja vaeva võrreldes hüperparameetrite käsitsi häälestamisega.
Teisest küljest on HyperTune funktsioon, mis võimaldab kasutajatel hüperparameetreid käsitsi häälestada. See pakub raamistikku hüperparameetrite häälestustööde määratlemiseks ja käitamiseks, kus paralleelselt teostatakse mitu erineva hüperparameetri konfiguratsiooniga treeningujooksu. HyperTune pakub paindlikkust häälestatavate hüperparameetrite, nende otsinguruumide ja kasutatava otsingualgoritmi määramiseks.
HyperTune'iga on kasutajatel suurem kontroll hüperparameetrite häälestamise protsessi üle. Nad saavad määrata iga hüperparameetri otsinguruumi, näiteks määrata vahemiku või diskreetse väärtuste komplekti. HyperTune toetab erinevaid otsingualgoritme, sealhulgas ruudustikuotsingut, juhuslikku otsingut ja täpsemat Bayesi optimeerimist. Kasutajad saavad määrata ka optimeeritava eesmärgi mõõdiku, näiteks täpsuse või keskmise ruudu vea.
AI platvormi optimeerija automatiseerib hüperparameetrite häälestamise protsessi, kasutades Bayesi optimeerimist, samas kui HyperTune pakub raamistikku hüperparameetrite käsitsi häälestamiseks suurema paindlikkuse ja kontrolliga.
Muud hiljutised küsimused ja vastused selle kohta Tehisintellekti optimeerija:
- Milline on AI platvormi optimeerija roll katsete läbiviimisel?
- Milliseid kolme terminit tuleb AI platvormi optimeerija kasutamiseks mõista?
- Kuidas saab AI platvormi optimeerijat kasutada mitte-masinõppega süsteemide optimeerimiseks?
- Mis on Google'i AI meeskonna välja töötatud AI platvormi optimeerija eesmärk?