katib

Katib ist ein Kubernetes-natives Projekt für automatisiertes maschinelles Lernen (Automl). Katib unterstützt Hyperparameter -Tuning, frühes Stoppen und neuronale Architektursuche.

Katib ist das Projekt, das agnostisch für maschinelles Lernen (ML) Frameworks ist. Es kann Hyperparameter von Anwendungen einstellen, die in jeder Sprache der Wahl der Benutzer geschrieben wurden, und unterstützt nativ viele ML -Frameworks wie TensorFlow, Apache MxNet, Pytorch, Xgboost und andere.

Katib kann Schulungsjobs mit kubernetes benutzerdefinierten Ressourcen mit Out of the Box Support for Kubeflow Training Operator, Argo Workflows, Tekton Pipelines und vielem mehr ausführen.

Katib steht für Arabisch für secretary .

Suchalgorithmen

Katib unterstützt mehrere Suchalgorithmen. Befolgen Sie die Kubeflow -Dokumentation, um mehr über jeden Algorithmus zu erfahren, und überprüfen Sie den Leitfaden, um Ihren benutzerdefinierten Algorithmus zu implementieren.

Hyperparameterabstimmung	Suche nach neuronaler Architektur	Früh aufhalten
Zufällige Suche	Enas	Mittlerer Stopp
Gittersuche	DARTS
Bayes'sche Optimierung
Tpe
Multivariate TPE
CMA-es
Sobols Quasirandom -Sequenz
Hyperband
Bevölkerungsbezogenes Training

Um die obigen Algorithmen durchzuführen, unterstützt Katib die folgenden Frameworks:

• Goptuna
• Hyperopt
• Optuna
• Scikit optimize

Voraussetzungen

Bitte überprüfen Sie die offizielle Kubeflow -Dokumentation, um die Voraussetzungen für die Installation von Katib zu installieren.

Installation

Bitte folgen Sie dem Kubeflow Katib -Handbuch für die detaillierten Anweisungen zur Installation von Katib.

Installation der Steuerebene

Führen Sie den folgenden Befehl aus, um die neueste stabile Version der Katib -Steuerebene zu installieren:

 kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0"

Führen Sie den folgenden Befehl aus, um die neuesten Änderungen der Katib -Steuerebene zu installieren:

 kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=master"

Für die Katib -Experimente überprüfen Sie die vollständige Beispielliste.

Installation des Python SDK

Katib implementiert ein Python -SDK, um die Erstellung von Hyperparameter -Tuning -Jobs für Datenwissenschaftler zu vereinfachen.

Führen Sie den folgenden Befehl aus, um die neueste stabile Version von Katib SDK zu installieren:

pip install -U kubeflow-katib

Erste Schritte

Weitere Informationen zu Ihrem ersten Hyperparameter -Tuning -Experiment finden Sie im Python SDK.

Gemeinschaft

Die folgenden Links bieten Informationen darüber, wie Sie sich in die Community engagieren können:

• Nehmen Sie an der zweiwöchentlichen Automobil und Schulung der Arbeitsgruppen-Community-Meeting teil.
• Nehmen Sie an unserem #kubeflow-katib Slack-Kanal teil.
• Schauen Sie sich an, wer Katib und Präsentationen zum Katib -Projekt verwendet.

Beitragen

Weitere Informationen finden Sie im Beitragshandbuch.

Zitat

Wenn Sie Katib in einer wissenschaftlichen Veröffentlichung verwenden, freuen wir uns über Zitate für das folgende Papier:

George et al. , Arxiv: 2006.02085, 2020.

Bibtex -Eintrag:

 @misc{george2020katib,
    title={A Scalable and Cloud-Native Hyperparameter Tuning System},
    author={Johnu George and Ce Gao and Richard Liu and Hou Gang Liu and Yuan Tang and Ramdoot Pydipaty and Amit Kumar Saha},
    year={2020},
    eprint={2006.02085},
    archivePrefix={arXiv},
    primaryClass={cs.DC}
}