katib

Katib est un projet natif de Kubernetes pour l'apprentissage automatique automatisé (Automl). Katib prend en charge le réglage de l'hyperparamètre, l'arrêt précoce et la recherche d'architecture neuronale.

Katib est le projet qui est agnostique des cadres d'apprentissage automatique (ML). Il peut régler les hyperparamètres d'applications écrites dans n'importe quelle langue du choix des utilisateurs et prend en charge nativement de nombreux frameworks ML, tels que TensorFlow, Apache Mxnet, Pytorch, XgBoost et autres.

Katib peut effectuer des travaux de formation en utilisant toutes les ressources personnalisées de Kubernetes avec la prise en charge de la boîte pour l'opérateur de formation Kubeflow, les flux de travail Argo, les pipelines Tekton et bien d'autres.

Katib signifie secretary en arabe.

Rechercher des algorithmes

Katib prend en charge plusieurs algorithmes de recherche. Suivez la documentation de Kubeflow pour en savoir plus sur chaque algorithme et consultez ce guide pour implémenter votre algorithme personnalisé.

Réglage hyperparamètre	Recherche d'architecture neurale	Arrêt anticipé
Recherche aléatoire	Enas	Arrêt médian
Recherche de grille	Fléchettes
Optimisation bayésienne
TPE
TPE multivarié
CMA-ES
Séquence quadratique de Sobol
Hyperbande
Formation basée sur la population

Pour effectuer les algorithmes ci-dessus, Katib prend en charge les cadres suivants:

• Goptuna
• Hyperopt
• Optuna
• Scikit Optimiser

Condition préalable

Veuillez consulter la documentation officielle de Kubeflow pour les conditions préalables pour installer Katib.

Installation

Veuillez suivre le guide Kubeflow Katib pour les instructions détaillées sur la façon d'installer Katib.

Installation du plan de commande

Exécutez la commande suivante pour installer la dernière version stable du plan de contrôle Katib:

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

Exécutez la commande suivante pour installer les dernières modifications du plan de contrôle Katib:

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

Pour les expériences de Katib, consultez la liste des exemples complets.

Installation du SDK Python

Katib implémente un SDK Python pour simplifier la création de travaux de réglage hyperparamètre pour les scientifiques des données.

Exécutez la commande suivante pour installer la dernière version stable de Katib SDK:

pip install -U kubeflow-katib

Commencer

Veuillez vous référer au Guide de démarrage pour créer rapidement votre première expérience de réglage hyperparamètre à l'aide du SDK Python.

Communauté

Les liens suivants fournissent des informations sur la façon de s'impliquer dans la communauté:

• Assistez à la réunion de la communauté des groupes de travail en automobile et à la formation.
• Rejoignez notre canal Slack #kubeflow-katib .
• Découvrez qui utilise Katib et des présentations sur le projet Katib.

Contributif

Veuillez vous référer au guide de contribution.

Citation

Si vous utilisez Katib dans une publication scientifique, nous apprécierions les citations du document suivant:

Système de réglage hyperparamètre évolutif et natif des nuages, George et al. , Arxiv: 2006.02085, 2020.

Entrée Bibtex:

 @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}
}