Het parallel laten lopen van Hyperopt hyperparameterafstemming
Notitie
De opensource-versie van Hyperopt wordt niet meer onderhouden.
Hyperopt wordt verwijderd in de volgende primaire DBR ML-versie. Azure Databricks raadt aan gebruik te maken van Optuna- voor optimalisatie van één knooppunt of RayTune- voor een vergelijkbare ervaring als de afgeschafte hyperparameter-afstemmingsfunctionaliteit van Hyperopt. Meer informatie over het gebruik van RayTune- in Azure Databricks.
In dit notebook ziet u hoe u Hyperopt gebruikt om berekeningen voor hyperparameterafstemming te parallelliseren. Het gebruikt de SparkTrials klasse om berekeningen automatisch te verdelen over de clustermedewerkers. Het illustreert ook geautomatiseerde MLflow-tracering van Hyperopt-uitvoeringen, zodat u de resultaten later kunt opslaan.
Hyperparameter-tuning parallelliseren met geautomatiseerde MLflow-notitieblok voor tracering
Nadat u de acties in de laatste cel in het notebook hebt uitgevoerd, moet de MLflow-gebruikersinterface worden weergegeven:
