PyTorch Hyperparameter Tuning – A Tutorial for spotPython

要約

ハイパーパラメータ調整 (またはハイパーパラメータ最適化) の目標は、ハイパーパラメータを最適化して、マシンまたは深層学習モデルのパフォーマンスを向上させることです。
SpotPython (「Sequential Parameter Optimization Toolbox in Python」) は、統計分析用に R プログラミング環境で 10 年以上開発されてきた、有名なハイパーパラメータ チューナー SPOT の Python バージョンです。
PyTorch は、GPU と CPU を使用した深層学習用に最適化されたテンソル ライブラリです。
このドキュメントでは、spotPython ハイパーパラメータ チューナーを PyTorch トレーニング ワークフローに統合する方法を示します。
例として、CIFAR10 画像分類器の結果が使用されます。
このチュートリアルには、spotPython の紹介に加えて、実験を実行してハイパーパラメータを調整するための Python ライブラリである Ray Tune との簡単な比較も含まれています。
この比較は、PyTorch ハイパーパラメーター調整チュートリアルに基づいています。
両方のアプローチの長所と短所について説明します。
SpotPython は、Ray Tune よりも柔軟で透過的でありながら、同等またはそれ以上の結果を達成できることを示します。

要約(オリジナル)

The goal of hyperparameter tuning (or hyperparameter optimization) is to optimize the hyperparameters to improve the performance of the machine or deep learning model. spotPython (“Sequential Parameter Optimization Toolbox in Python”) is the Python version of the well-known hyperparameter tuner SPOT, which has been developed in the R programming environment for statistical analysis for over a decade. PyTorch is an optimized tensor library for deep learning using GPUs and CPUs. This document shows how to integrate the spotPython hyperparameter tuner into the PyTorch training workflow. As an example, the results of the CIFAR10 image classifier are used. In addition to an introduction to spotPython, this tutorial also includes a brief comparison with Ray Tune, a Python library for running experiments and tuning hyperparameters. This comparison is based on the PyTorch hyperparameter tuning tutorial. The advantages and disadvantages of both approaches are discussed. We show that spotPython achieves similar or even better results while being more flexible and transparent than Ray Tune.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google