Równoległe dostrajanie hiperparametrów funkcji 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 środowiska do przestarzałej funkcji dostrajania hiperparametrów rozproszonych funkcji Hyperopt. Dowiedz się więcej o korzystaniu z RayTune w usłudze Azure Databricks.

W tym notesie pokazano, jak używać funkcji Hyperopt do równoległości obliczeń dostrajania hiperparametrów. Używa SparkTrials klasy do automatycznego dystrybuowania obliczeń między procesami roboczymi klastra. Ilustruje również zautomatyzowane śledzenie MLflow przebiegów funkcji Hyperopt, dzięki czemu można zapisać wyniki na później.

Równoległe dostrajanie hiperparametrów za pomocą zautomatyzowanego notesu śledzenia MLflow

Pobierz notatnik

Po wykonaniu akcji w ostatniej komórce w notesie powinien zostać wyświetlony interfejs użytkownika platformy MLflow: