Vertex AI Vizier 總覽

Vertex AI Vizier 是一項工具，可用於改善任何具有可設定參數的系統，因為評估任何指定參數設定都是一項耗時的任務。如果機器學習模型有多種不同的超參數，手動調整可能會耗時且不易。Vertex AI Vizier 會為您調整超參數，藉此最佳化模型輸出結果。

黑盒最佳化是指針對符合下列任一條件系統進行最佳化：

  • 沒有可評估的已知客觀函式。

  • 使用目標函數評估的成本過高，通常是因為系統複雜。

其他 Vertex AI Vizier 功能

Vertex AI Vizier 可最佳化機器學習模型的超參數，但也可以執行其他最佳化工作。

調整參數

您可以使用 Vertex AI Vizier 有效調整函式中的參數。舉例來說，您可以使用 Vertex AI Vizier，找出新聞網站「訂閱」按鈕上最有效的背景顏色、字型大小和連結顏色組合。如需更多範例，請參閱用途。

瞭解超參數和參數的差異。

最佳化任何可評估的系統

Vertex AI Vizier 可搭配您可評估的任何系統使用，包括無法以封閉式分析函式表示的系統。舉例來說，您可以使用 Vertex AI Vizier 找出 TensorFlow 模型的最佳神經網路深度、寬度和學習率。

Vertex AI Vizier 的運作方式

以下各節將定義您可透過 Vertex AI Vizier 使用來最佳化機器學習模型或函式的術語、行為和可用值。首先，請決定研究設定。

研究設定

研究設定是指您要解決的最佳化問題定義。其中包含您要最佳化的結果，以及影響該結果的超參數或參數。

研究和試驗

「研究」是指研究設定的實作，研究會使用研究設定的目標 (指標) 和輸入值 (超參數或參數) 來進行實驗，也就是「試驗」。試驗是一組特定的輸入值，可產生與目標相關的評估結果。

Vertex AI Vizier 會建議每個試驗應使用的輸入值，但不會代為執行試驗。

研究會持續進行，直到達到試驗次數上限或您中斷研究為止。試用期會持續進行，直到您表示試用期已結束或無法進行為止。

測量數據

評估是指試驗的評估結果。每項測量可包含一或多個指標，每個試驗則可包含一或多個在一段時間內進行的測量。在試用期結束前，您隨時可以新增評估指標。

搜尋演算法

如果您未指定演算法，Vertex AI Vizier 會使用預設演算法。預設演算法會套用貝式最佳化方法，以更有效率的方式搜尋參數空間，進而獲得最佳解決方案。

可用的值如下：

  • ALGORITHM_UNSPECIFIED：與未指定演算法時相同。Vertex AI 會在高斯過程隨機變異、線性組合搜尋或其變化版本之間，選擇最佳搜尋演算法。

  • GRID_SEARCH：在可行空間內執行簡單格狀搜尋。如果您要指定的試驗數量超過可行空間中的點數，這個選項就非常實用。在這種情況下，如果您沒有指定格狀搜尋，預設演算法可能會產生重複的建議。如要使用格狀搜尋，所有參數的類型必須是 INTEGER、CATEGORICAL 或 DISCRETE。

  • RANDOM_SEARCH：在可行空間內執行簡單隨機搜尋。

Vertex AI Vizier 與自訂訓練的差異

Vertex AI Vizier 是一項獨立服務，可用於改善含有多個參數的複雜模型。可用於機器學習和非機器學習用途。可搭配訓練工作或其他系統 (甚至是多雲) 使用。自訂訓練的超參數調整是一項內建功能，可使用 Vertex AI Vizier 進行訓練工作。這有助於判斷機器學習模型的最佳超參數設定。

用途

在下列情況下，Vertex AI Vizier 可協助您調整超參數來最佳化模型，或調整參數來最佳化結果：

  • 調整神經網路推薦引擎的學習率、批次大小和其他超參數。

  • 測試使用者介面元素的不同排列方式，藉此提升應用程式的可用性。

  • 找出理想的緩衝區大小和執行緒數量，盡量減少工作的運算資源。

  • 調整食譜中的食材用量，製作出最美味的版本。

後續步驟