Paralelizar o ajuste de hiperparâmetros Hyperopt
Nota
A versão de código aberto do Hyperopt não está mais sendo mantida.
O Hyperopt será removido na próxima versão principal do DBR ML. O Azure Databricks recomenda usar o Optuna para otimização de nó único ou RayTune para uma experiência semelhante à funcionalidade preterida de ajuste de hiperparâmetro distribuído do Hyperopt. Saiba mais sobre como usar RayTune no Azure Databricks.
Este bloco de anotações mostra como usar o Hyperopt para paralelizar cálculos de ajuste de hiperparâmetros. Ele usa a SparkTrials classe para distribuir automaticamente os cálculos entre os trabalhadores do cluster. Ele também ilustra o rastreamento automatizado de MLflow de execuções do Hyperopt para que você possa salvar os resultados para mais tarde.
Paralelize o ajuste de hiperparâmetros com o notebook automatizado de rastreamento MLflow
Depois de executar as ações na última célula do bloco de anotações, a interface do usuário do MLflow deve exibir:
