背景信息

对于用户希望优化的超参，需在“超参”设置中定义，可以给定名称、类型、默认值、约束等，具体设置方法可以参考定义超参。

如果用户使用的AI引擎为pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64和tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64，并且优化的超参类型为float类型，ModelArts支持用户使用超参搜索功能。

在0代码修改的基础下，实现算法模型的超参搜索。需要完成以下步骤：

准备工作
创建算法
创建训练作业
查看超参搜索作业详情

准备工作

数据已完成准备：已在ModelArts中创建可用的数据集，或者您已将用于训练的数据集上传至OBS目录。
请准备好训练脚本，并上传至OBS目录。训练脚本开发指导参见开发自定义脚本。
在训练代码中，用户需打印搜索指标参数。
已在OBS创建至少1个空的文件夹，用于存储训练输出的内容。
由于训练作业运行需消耗资源，确保帐户未欠费。
确保您使用的OBS目录与ModelArts在同一区域。

创建算法

进入ModelArts控制台，参考创建算法操作指导，创建自定义算法。在配置自定义算法参数时，需关注“超参”和“支持的策略”参数的设置。

图1 超参搜索作业参数

对于用户希望优化的超参，需在“超参”设置中定义，可以给定名称、类型、默认值、约束等，具体设置方法可以参考定义超参。

单击勾选自动搜索，用户为算法设置算法搜索功能。自动搜索作业运行过程中，ModelArts后台通过指标正则表达式获取搜索指标参数，朝指定的优化方向进行超参优化。用户需要在代码中打印搜索参数并在控制台配置以下参数：

搜索指标

搜索指标为目标函数的值，通常可以设置为loss、accuracy等。通过优化搜索指标的目标值超优化方向收敛，找到最契合的超参，提高模型精度和收敛速度。

表1 搜索指标参数

参数	说明
名称	搜索指标的名称。需要与您在代码中打印的搜索指标参数保持一致。
优化方向	可选“最大化”或者“最小化”。
指标正则	填入正则表达式。您可以单击智能生成功能自动获取正则表达式。

图2 搜索指标参数

设置自动化搜索参数

从已设置的“超参”中选择可用于搜索优化的超参。优化的超参仅支持float类型，选中自动化搜索参数后，需设置取值范围。

图3 自动化参数设置

搜索算法配置

ModelArts内置三种超参搜索算法，用户可以根据实际情况选择对应的算法，支持多选。对应的算法和参数解析请参考以下：

bayes_opt_search:贝叶斯优化(SMAC)
tpe_search:TPE算法
anneal_search:模拟退火算法(Anneal)

图4 搜索算法配置

创建算法完成后，在“算法管理”页面，等待算法就绪。当新创建的算法状态变更为“就绪”时，即可执行其他操作。

创建训练作业

登录ModelArts控制台，参考创建训练作业操作指导，创建训练作业。用户需关注以下操作才能开启超参搜索。

当您选择支持超参搜索的算法，需单击超级参数的范围设置按钮才能开启超参搜索功能。

图5 范围设置

开启超参搜索功能后，用户可以设置搜索指标、搜索算法和搜索算法参数。三个参数显示的支持值与算法管理模块的超参设置一一对应。

图6 超参搜索参数设置

完成超参搜索作业的创建后，训练作业需要运行一段时间。

查看超参搜索作业详情

训练作业运行结束后，您可以通过查看训练作业详情判断此训练作业是否满意。

进入ModelArts控制台，您可以参考查看训练作业详情操作指导。如果训练作业是超参搜索作业，用户可以查看自动超参搜索结果。

图7 超参搜索结果

父主题： 自动模型优化（AutoSearch）

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家