AI开发平台MODELARTS-创建超参搜索作业:创建算法
创建算法
进入ModelArts控制台,参考创建算法操作指导,创建自定义算法。镜像应该满足pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64或tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64引擎。
对于用户希望优化的超参,需在“超参”设置中定义,可以给定名称、类型、默认值、约束等,具体设置方法可以参考定义超参。
单击勾选“自动搜索”,为算法设置算法搜索功能。自动搜索作业运行过程中,ModelArts后台通过指标正则表达式获取搜索指标参数,朝指定的优化方向进行超参优化。用户需要在代码中打印搜索参数并在控制台配置以下参数。
- 搜索指标
搜索指标为目标函数的值,通常可以设置为loss、accuracy等。通过优化搜索指标的目标值超优化方向收敛,找到最契合的超参,提高模型精度和收敛速度。
表1 搜索指标参数 参数
说明
名称
搜索指标的名称。需要与您在代码中打印的搜索指标参数保持一致。
优化方向
可选“最大化”或者“最小化”。
指标正则
填入正则表达式。您可以单击智能生成功能自动获取正则表达式。
- 设置自动化搜索参数
- 搜索算法配置
ModelArts内置三种超参搜索算法,用户可以根据实际情况选择对应的算法,支持多选。对应的算法和参数解析请参考以下:
- bayes_opt_search:贝叶斯优化(SMAC)
- tpe_search:TPE算法
- anneal_search:模拟退火算法(Anneal)
提交创建算法完成后即可执行下一步,创建训练作业。