このトピックでは、サポートされているリージョン、サポートされている検索アルゴリズム、およびアルゴリズムが適切なシナリオなど、AutoMLの制限事項と使用方法について説明します。 アルゴリズムには、ツリー構造のParzen推定器 (TPE) 、グリッド検索、ランダム検索、進化アルゴリズム (EA) 、ベイズ最適化のためのガウシアンプロセス (GP) 、および人口ベースのトレーニング (PBT) が含まれます。
サポートされるリージョン
次のリージョンでAutoMLを使用できます。
中国 (杭州) 、中国 (上海) 、中国 (北京) 、中国 (深セン) 、および中国 (香港) 。
Platform for AI (PAI) コンソールの上部にあるドロップダウンリストからリージョンを選択できます。
サポートされている検索アルゴリズム
次のセクションでは、サポートされているAutoMLの検索アルゴリズムと、アルゴリズムが適切なシナリオについて説明します。
TPE: 追加の依存関係を必要としない軽量アルゴリズム。 TPEはすべてのタイプの検索空間タイプをサポートし、HPOのデフォルトアルゴリズムとして使用されます。 TPEを使用して、大量の計算を必要とする複雑で非線形の緯度の問題を解決できます。 ただし、TPEは異なるパラメータ間の接続を見つけることができません。 詳細については、「ハイパーパラメータ最適化のアルゴリズム」をご参照ください。
グリッド検索: 検索空間をグリッドに均等に分割し、すべての可能な組み合わせをトラバースして最適な組み合わせを決定する検索アルゴリズム。 検索スペースに可能な組み合わせの数が少ない場合は、グリッド検索を使用して最適な組み合わせを見つけることができます。
ランダム検索: ハイパーパラメータの組み合わせをランダムに生成する検索アルゴリズム。 グリッド検索と同様に、アルゴリズムは検索空間をグリッドに分割し、各試行においてハイパーパラメータの組み合わせをランダムに選択する。 ランダムアルゴリズムを使用して、効率を向上させるために大量の計算を必要とする非線形および高次元の問題のグリッド検索の範囲を絞り込むことができます。
EA: 論文のLarge-Scale Evolution of Image Classifiersに基づいて開発された検索アルゴリズム。 アルゴリズムは、検索空間を初期化し、各世代に対してより良好な性能のハイパーパラメータを選択し、選択、組換え、および突然変異などの操作を実行して子孫の組み合わせを生成する。 突然変異操作は、ハイパーパラメータを修正すること、およびネットワーク層の数を増加または減少させることを含み得る。 EAには複数の試行が必要ですが、アルゴリズムロジックはシンプルで、新しい機能に簡単に適用できます。
GP: ガウス過程を使用して損失を計算するBO法。 ベイズ最適化は、試験から得られたメトリックの事後分布を使用して、ガウスプロセスを使用することによって組み合わせを最適化する。 取得されるデータの量が増加するにつれて、事後分布はますます正確になり、アルゴリズムが特定の探索空間が有効であるかどうかを決定することを可能にする。
PBT: 論文の母集団ベースのニューラルネットワークのトレーニングに基づいて開発されたアルゴリズム。 PBTは、固定コンピューティングリソースの非同期最適化アルゴリズムであり、固定数のモデルとハイパーパラメータを最適化することでモデルパフォーマンスを向上させます。 PBTアルゴリズムは、グローバル検索によって既存の最適な組み合わせを見つける代わりに、最適な組み合わせを取得するためにハイパーパラメータの単一のセットを絶えず反復します。