Paralelizacja hiperparametryzacji w Hyperopt

Uwaga

Wersja biblioteki Hyperopt typu open source nie jest już utrzymywana.

Funkcja Hyperopt zostanie usunięta w następnej głównej wersji DBR ML. Usługa Azure Databricks zaleca użycie Optuna na potrzeby optymalizacji pojedynczego węzła lub RayTune w celu uzyskania podobnego doświadczenia do przestarzałej funkcjonalności rozproszonego dostrajania hiperparametrów przy użyciu Hyperopt. Dowiedz się więcej o korzystaniu z RayTune w usłudze Azure Databricks.

W tym notatniku pokazano, jak używać Hyperopt do zrównoleglenia obliczeń w dostrajaniu hiperparametrów. Używa SparkTrials klasy do automatycznego dystrybuowania obliczeń między pracownikami klastra. Ilustruje również zautomatyzowane śledzenie przebiegów Hyperopt w MLflow, dzięki czemu można zapisać wyniki na później.

Równoległe dostrajanie hiperparametrów za pomocą zautomatyzowanego notesu śledzenia MLflow

Pobierz notatnik

Po wykonaniu czynności w ostatniej komórce w notesie, powinien wyświetlić się interfejs użytkownika MLflow.