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。 アルゴリズムは、ツリー構造のParzen推定器 (TPE) 、GridSearch、ランダム、進化、ベイズ最適化 (BO) のためのガウシアンプロセス (GP) 、および母集団ベースのトレーニング (PBT) を含みます。
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) 。
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は、大量の計算を必要とする複雑で非線形の高次元の問題を解決するために使用できます。 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。
GridSearch: 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。 このアルゴリズムは、少数の可能な組み合わせに対して良好に機能します。
Random: 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。 このアルゴリズムは、非線形および高次元の問題に適しています。
進化: 探索空間を初期化し、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て子孫の組み合わせを生成するアルゴリズム。 進化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。
このアルゴリズムは、Large-Scale Evolution of Image Classifiersに基づいて開発されています。
GP: ガウス過程を使用して損失を計算するBO法。 得ら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、最適化性能はより良くなります。
PBT: 固定コンピューティングリソース用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、最適な組み合わせを得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。
このアルゴリズムは、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ています。