hyperdrive 패키지
하이퍼 매개 변수 튜닝을 지원하는 모듈 및 클래스를 포함합니다.
하이퍼 매개 변수는 학습 프로세스를 안내하는 모델 학습에 대해 선택하는 조정 가능한 매개 변수입니다. HyperDrive 패키지를 사용하면 이러한 매개 변수를 자동으로 선택할 수 있습니다. 예를 들어 매개 변수 검색 공간을 불연속 또는 연속으로 정의하고 검색 공간에 대한 샘플링 메서드를 임의, 그리드 또는 Bayesian으로 정의할 수 있습니다. 또한 하이퍼 매개 변수 튜닝 실험에서 최적화할 기본 메트릭을 지정하고 해당 메트릭을 최소화하거나 최대화할지 여부를 지정할 수 있습니다. 성능이 저조한 실험 실행이 취소되고 새 실험이 시작되는 초기 종료 정책을 정의할 수도 있습니다. HyperDrive hyper_drive_stepPipeline에 재사용 가능한 기계 학습 워크플로를 정의하려면 .
모듈
| error_definition |
HyperDrive SDK에 대한 오류 코드 정의입니다. |
| error_strings |
HyperDrive SDK 전체에서 사용되는 오류 문자열의 컬렉션입니다. |
| exceptions |
HyperDrive에서 throw된 예외입니다. |
| parameter_expressions |
하이퍼 매개 변수 검색 공간을 설명하기 위해 HyperDrive에서 사용할 수 있는 함수를 정의합니다. 이러한 함수는 다양한 유형의 하이퍼 매개 변수 분포를 지정하는 데 사용됩니다. 분포는 하이퍼 매개 변수 스윕에 대한 샘플링을 구성할 때 정의됩니다. 예를 들어 클래스를 RandomParameterSampling 사용하는 경우 불연속 값 집합 또는 연속 값의 분포에서 샘플링하도록 선택할 수 있습니다. 이 경우 함수를 choice 사용하여 개별 값 집합과 uniform 함수를 생성하여 연속 값의 분포를 생성할 수 있습니다. 이러한 함수를 사용하는 예제는 자습서 https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters를 참조하세요. |
클래스
| BanditPolicy |
slack 조건 및 평가 빈도 및 지연 간격을 기반으로 조기 종료 정책을 정의합니다. slack 요소, slack_amount 및 평가 간격을 사용하여 BanditPolicy를 초기화합니다. |
| BayesianParameterSampling |
하이퍼 매개 변수 검색 공간에 대한 Bayesian 샘플링을 정의합니다. Bayesian 샘플링은 이전 샘플이 수행된 방법에 따라 다음 하이퍼 매개 변수 샘플을 지능적으로 선택하려고 시도하므로 새 샘플이 보고된 기본 메트릭을 향상시킵니다. BayesianParameterSampling을 초기화합니다. |
| EarlyTerminationPolicy |
모든 초기 종료 정책에 대한 추상 기본 클래스입니다. 초기 종료 정책을 초기화합니다. |
| GridParameterSampling |
하이퍼 매개 변수 검색 공간에 대한 그리드 샘플링을 정의합니다. GridParameterSampling을 초기화합니다. |
| HyperDriveConfig |
HyperDrive 실행을 정의하는 구성입니다. HyperDrive 구성에는 하이퍼 매개 변수 공간 샘플링, 종료 정책, 기본 메트릭, 구성에서 다시 시작, 추정기 및 실험을 실행할 컴퓨팅 대상에 대한 정보가 포함됩니다. HyperDriveConfig를 초기화합니다. |
| HyperDriveRun |
HyperDriveRun에는 제출된 HyperDrive 실험의 세부 정보가 포함되어 있습니다. 이 클래스를 사용하여 HyperDrive 실행 및 생성된 각 자식 실행에 대한 실행 세부 정보를 관리, 확인 및 검색할 수 있습니다. HyperDrive 실행을 초기화합니다. |
| HyperDriveRunConfig |
HyperDrive 실행을 정의하는 구성입니다. 구성에는 매개 변수 공간 샘플링, 종료 정책, 기본 메트릭, 추정기 및 실험을 실행할 컴퓨팅 대상에 대한 정보가 포함됩니다. HyperDriveConfig를 초기화합니다. |
| HyperParameterSampling |
모든 하이퍼 매개 변수 샘플링 알고리즘에 대한 추상 기본 클래스입니다. 이 클래스는 하이퍼 매개 변수 공간, 샘플링 메서드 및 파생 샘플링 클래스에 대한 추가 속성을 캡슐화합니다. BayesianParameterSamplingGridParameterSamplingRandomParameterSampling HyperParameterSampling을 초기화합니다. |
| MedianStoppingPolicy |
모든 실행의 기본 메트릭의 실행 평균에 따라 초기 종료 정책을 정의합니다. MedianStoppingPolicy를 초기화합니다. |
| NoTerminationPolicy |
조기 종료 정책이 적용되지 않음을 지정합니다. 각 실행은 완료될 때까지 실행됩니다. NoTerminationPolicy를 초기화합니다. |
| RandomParameterSampling |
하이퍼 매개 변수 검색 공간에 대한 임의 샘플링을 정의합니다. RandomParameterSampling을 초기화합니다. |
| TruncationSelectionPolicy |
각 평가 간격에서 지정된 실행 비율을 취소하는 초기 종료 정책을 정의합니다. TruncationSelectionPolicy를 초기화합니다. |
열거형
| PrimaryMetricGoal |
하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다. 메트릭 목표는 메트릭에 대한 더 높은 값이 더 나은지 또는 더 나쁜지 확인하는 데 사용됩니다. 메트릭 목표는 기본 메트릭을 기반으로 실행을 비교할 때 사용됩니다. 예를 들어 정확도를 최대화하거나 오류를 최소화할 수 있습니다. 기본 메트릭 이름 및 목표는 HyperDrive 실행을 구성할 때 클래스에 HyperDriveConfig 지정됩니다. |
함수
choice
lognormal
loguniform
로그 균일 배포를 지정합니다.
반환 값의 로그가 균일하게 분산되도록 exp(uniform(min_value, max_value)에 따라 값이 그려집니다. 최적화할 때 이 변수는 [exp(min_value), exp(max_value)] 간격으로 제한됩니다.
loguniform(min_value, max_value)매개 변수
| Name | Description |
|---|---|
|
min_value
필수
|
범위의 최소값은 exp(min_value)(포함)입니다. |
|
max_value
필수
|
범위의 최대값은 exp(max_value)(포함)입니다. |
반환
| 형식 | Description |
|---|---|
|
확률적 식입니다. |
normal
qlognormal
qloguniform
양식 라운드(exp(uniform(min_value, max_value) /q) * q의 균일한 분포를 지정합니다.
이는 목표가 "부드러운"인 불연속 변수에 적합하며 값의 크기로 더 부드러워지지만 위와 아래에 모두 바인딩되어야 합니다.
qloguniform(min_value, max_value, q)매개 변수
| Name | Description |
|---|---|
|
min_value
필수
|
범위의 최솟값(포함)입니다. |
|
max_value
필수
|
범위의 최댓값(포함)입니다. |
|
q
필수
|
다듬기 요소입니다. |
반환
| 형식 | Description |
|---|---|
|
확률적 식입니다. |
qnormal
quniform
양식 라운드(uniform(min_value, max_value) /q) * q의 균일한 분포를 지정합니다.
이는 목표가 여전히 다소 "매끄럽다"는 점에서 불연속 값에 적합하지만 위와 아래에 모두 바인딩되어야 합니다.
quniform(min_value, max_value, q)매개 변수
| Name | Description |
|---|---|
|
min_value
필수
|
범위의 최솟값(포함)입니다. |
|
max_value
필수
|
범위의 최댓값(포함)입니다. |
|
q
필수
|
다듬기 요소입니다. |
반환
| 형식 | Description |
|---|---|
|
확률적 식입니다. |
randint
[0, 위) 범위에서 임의의 정수 집합을 지정합니다.
이 분포의 의미 체계는 더 먼 정수 값과 비교하여 가까운 정수 값 사이의 손실 함수에 더 이상 상관 관계가 없다는 것입니다. 예를 들어 임의 시드를 설명하기 위한 적절한 분포입니다. 손실 함수가 가까운 정수 값에 대해 더 많은 상관 관계가 있는 경우 quniform, qloguniform, qnormal 또는 qlognormal과 같은 "양자화된" 연속 분포 중 하나를 사용해야 합니다.
randint(upper)매개 변수
| Name | Description |
|---|---|
|
upper
필수
|
정수 범위에 대한 상한(제외)입니다. |
반환
| 형식 | Description |
|---|---|
|
확률적 식입니다. |