AutoMLは、実験、試行、およびトレーニングタスクを繰り返して最適なハイパーパラメータの組み合わせを見つけることにより、ハイパーパラメータの微調整を自動化します。
AutoMLのメカニズムを次の図に示します。
ハイパーパラメーターの値の範囲、検索アルゴリズム、および実験を停止する条件を設定した後、AutoMLは設定に基づいて実験を設定します。
実験は、設定されたアルゴリズムに基づいて複数のハイパーパラメータの組み合わせを生成します。 各トライアルは、1つのハイパーパラメータの組み合わせを使用してモデルをトレーニングします。
説明複数のトライアルを同時に実行するように設定して、モデルトレーニングを高速化できます。 しかし、これは資源コストを増大させる。
トライアルは、1つのハイパーパラメータの組み合わせに基づいて1つ以上のコンピューティングタスクを実行します。 タスクは、一般的なコンピューティングリソースまたはインテリジェントコンピューティングLINGJUNリソース上で実行されるDLCジョブ、またはMaxComputeコンピューティングリソース上で実行されるMaxComputeタスクであり得る。 トレーニングの課金、設定方法、およびリソース使用量は、タスクがDLCジョブであるかMaxComputeタスクであるかによって異なります。
実験の開始後、AutoMLはタスクメトリックを継続的に監視します。
実験の停止条件がトリガされたとき、例えば、探索の最大数に達したとき、アルゴリズム停止条件が満たされたとき、または全ての組み合わせの計算が完了したとき、実験は停止される。
AutoMLは結果を返します。 結果は、各試行のためのハイパーパラメータまたは最適モデルの組み合わせであり得る。 モデルを表示するには、モデルストレージパスを指定する必要があります。 ログで結果を表示することもできます。
実験を開始する前に、前述のAutoMLの動作原理に基づいていくつかのタイプのパラメータを設定する必要があります。 パラメーターには、基本的な実験設定、トライアル設定、DLCまたはMaxComputeタスク設定、ハイパーパラメーター検索設定が含まれます。