Automatická optimalizace personalizace (Preview)
Důležité
Od 20. září 2023 nebudete moct vytvářet nové prostředky personalizace. Služba Personalizace se vyřadí z provozu 1. října 2026.
Úvod
Automatická optimalizace personalizace vám ušetří ruční úsilí při zachování smyčky Personalizace v maximálním výkonu strojového učení tím, že automaticky vyhledá vylepšená nastavení učení použitá k trénování modelů a jejich použití. Personalizace má striktní kritéria pro použití nových nastavení učení pro vylepšení zabezpečení není pravděpodobné, že by zavádět ztrátu v odměnách.
Automatická optimalizace personalizace je ve verzi Public Preview a funkce, přístupy a procesy se změní na základě zpětné vazby uživatelů.
Kdy použít automatickou optimalizaci
Ve většině případů je nejlepší mít zapnutou automatickou optimalizaci. Automatická optimalizace je pro nové smyčky Personalizace zapnutá jako výchozí.
Automatická optimalizace může pomoct v následujících situacích:
- Vytváříte aplikace, které používají mnoho tenantů, a každý z nich získá vlastní smyčky personalizace; Pokud například hostujete více webů elektronického obchodování. Automatická optimalizace vám umožní vyhnout se ručnímu úsilí, které byste museli ladit nastavení učení pro velký počet smyček Personalizace.
- Nasadili jste personalizaci a ověřili jste, že funguje dobře, získáváte dobré odměny a ujistili jste se, že ve vašich funkcích nejsou žádné chyby nebo problémy.
Poznámka:
Automatická optimalizace bude pravidelně přepisovat nastavení výuky personalizace. Pokud váš případ použití nebo obor vyžaduje audit a archivaci modelů a nastavení nebo pokud potřebujete zálohy předchozích nastavení, můžete k načtení nastavení učení použít rozhraní API pro přizpůsobení nebo je stáhnout přes Azure Portal.
Jak povolit a zakázat automatickou optimalizaci
Pokud chcete povolit automatickou optimalizaci, použijte přepínač v okně Nastavení modelu a učení na webu Azure Portal.
Alternativně můžete aktivovat automatickou optimalizaci pomocí rozhraní API personalizace /configurations/service .
Pokud chcete zakázat automatickou optimalizaci, vypněte přepínač.
Automatická optimalizace sestav
V okně Nastavení modelu a učení uvidíte historii spuštění automatické optimalizace a akci prováděnou u každé z nich.
Tabulka ukazuje:
- Když dojde k automatické optimalizaci spuštění,
- Jaké okno dat bylo zahrnuto,
- Jaký byl výkon odměny online, standardních hodnot a nejlepších nalezených nastavení učení,
- Provedené akce: Pokud se nastavení výuky aktualizovalo nebo ne.
Výkon odměny různých nastavení učení v každém řádku historie automatické optimalizace se zobrazuje v absolutních číslech a v procentech vzhledem ke standardnímu výkonu.
Příklad: Pokud se průměrná odměna podle směrného plánu odhaduje na 0,20 a chování online personalizace dosahuje hodnoty 0,30, zobrazí se tyto hodnoty jako 100 % a 150 %. Pokud automatická optimalizace našla nastavení učení umožňující dosáhnout průměrné odměny 0,40, zobrazí se jako 200 % (0,40 je 200 % z 0,20). Za předpokladu, že to okraje spolehlivosti umožňují, použije se nové nastavení a pak se použije personalizace jako nastavení Online, dokud se nespustí další spuštění.
Pro vaši analýzu se uchovává historie až 24 předchozích spuštění automatické optimalizace. Další podrobnosti o těchto offline vyhodnoceních a sestavách najdete pro každou z nich. Sestavy také obsahují všechna nastavení výuky, která jsou v této historii, kterou můžete najít a stáhnout nebo použít.
Jak to funguje
Personalizace neustále trénuje modely AI, které používá na základě odměn. Toto trénování se provádí podle některých nastavení učení, která obsahují hyperparametry a další hodnoty použité v procesu trénování. Tato nastavení výuky se dají "ladit" na konkrétní instanci personalizace.
Personalizace má také možnost provádět offline vyhodnocení. Offline vyhodnocení se podívá na předchozí data a může vytvořit statistický odhad průměrné odměny, kterou by mohly dosáhnout personalizace různých algoritmů a modelů. Během tohoto procesu Personalizace bude také hledat lepší nastavení učení a odhadnout jejich výkon (kolik odměn by získali) v tomto minulém časovém období.
Frekvence automatické optimalizace
Automatická optimalizace se bude spouštět pravidelně a bude provádět automatickou optimalizaci na základě minulých dat.
- Pokud vaše aplikace za poslední dva týdny odešle do personalizace více než 20 MB dat, použije data za poslední dva týdny.
- Pokud vaše aplikace odešle méně než tuto částku, personalizace přidá data z předchozích dnů, dokud nebude dostatek dat k optimalizaci, nebo dosáhne nejstarších uložených dat (až do počtu dnů uchovávání dat).
Přesný čas a dny, kdy je spuštění automatické optimalizace určeno službou Personalizace a bude v průběhu času kolísat.
Kritéria pro aktualizaci nastavení učení
Personalizace používá tyto odhady odměn k rozhodnutí, jestli chcete změnit aktuální nastavení výuky pro ostatní. Každý odhad je distribuční křivka s horní a dolní mezí spolehlivosti 95 %. Personalizace použije nové nastavení výuky pouze v následujících případech:
- Ve zkušebním období ukázali vyšší průměrné odměny a
- Mají dolní mez 95% intervalu spolehlivosti, která je vyšší než dolní mez 95% intervalu spolehlivosti online nastavení učení. Tato kritéria pro maximalizaci zlepšení odměny a snaží se eliminovat pravděpodobnost ztráty budoucích odměn je spravována personalizátorem a získává výzkum v seldonských algoritmech a bezpečnosti AI.
Omezení automatické optimalizace
Při odhadu výkonu v budoucnu závisí automatická optimalizace personalizace na vyhodnocení uplynulého období. Je možné, že vzhledem k externím faktorům ve světě, vaší aplikaci a uživatelům tyto odhady a předpovědi týkající se modelů personalizace provedené v minulém období nejsou reprezentativní pro budoucnost.
Automatická optimalizace ve verzi Preview není dostupná pro smyčky Personalizace, které povolily funkci rozhraní API pro přizpůsobení s více sloty ve verzi Preview.