katib

Katib adalah proyek asli Kubernetes untuk pembelajaran mesin otomatis (AUTOML). Katib mendukung penyetelan hiperparameter, pencarian pemberhentian awal dan arsitektur saraf.

Katib adalah proyek yang merupakan agnostik untuk kerangka pembelajaran mesin (ML). Ini dapat menyetel hyperparameter aplikasi yang ditulis dalam bahasa apa pun pilihan pengguna dan secara asli mendukung banyak kerangka kerja ML, seperti TensorFlow, Apache MXNet, Pytorch, XGBoost, dan lainnya.

Katib dapat melakukan pekerjaan pelatihan menggunakan sumber daya khusus Kubernetes dengan dukungan di luar kotak untuk operator pelatihan Kubeflow, alur kerja Argo, pipa Tekton dan banyak lagi.

Katib adalah singkatan dari secretary Arab.

Algoritma Cari

Katib mendukung beberapa algoritma pencarian. Ikuti dokumentasi Kubeflow untuk mengetahui lebih lanjut tentang setiap algoritma dan periksa panduan ini untuk mengimplementasikan algoritma khusus Anda.

Penyetelan hiperparameter	Pencarian Arsitektur Saraf	Berhenti lebih awal
Pencarian acak	ENAS	Stop median
Pencarian Kisi	PANAHAN
Optimalisasi Bayesian
Tpe
TPE multivariat
CMA-ES
Urutan kuasirandom Sobol
Hyperband
Pelatihan berbasis populasi

Untuk melakukan algoritma di atas, Katib mendukung kerangka kerja berikut:

• Goptuna
• Hyperopt
• Optuna
• SCITIT mengoptimalkan

Prasyarat

Silakan periksa dokumentasi Kubeflow resmi untuk prasyarat untuk menginstal Katib.

Instalasi

Harap ikuti panduan katib Kubeflow untuk instruksi terperinci tentang cara menginstal Katib.

Memasang Pesawat Kontrol

Jalankan perintah berikut untuk menginstal rilis stabil terbaru dari Katib Control Plane:

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

Jalankan perintah berikut untuk menginstal perubahan terbaru dari Pesawat Kontrol Katib:

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

Untuk percobaan Katib, periksa daftar contoh lengkap.

Menginstal Python SDK

Katib mengimplementasikan SDK Python untuk menyederhanakan penciptaan pekerjaan tuning hiperparameter untuk para ilmuwan data.

Jalankan perintah berikut untuk menginstal rilis stabil Katib SDK terbaru:

pip install -U kubeflow-katib

Memulai

Silakan merujuk ke Panduan Memulai untuk dengan cepat membuat eksperimen tuning hyperparameter pertama Anda menggunakan Python SDK.

Masyarakat

Tautan berikut memberikan informasi tentang cara terlibat dalam komunitas:

• Hadiri Automl dua mingguan dan pelatihan Pertemuan Komunitas Kelompok Kerja.
• Bergabunglah dengan saluran Slack #kubeflow-katib kami.
• Lihat siapa yang menggunakan Katib dan presentasi tentang proyek Katib.

Berkontribusi

Silakan merujuk ke panduan yang berkontribusi.

Kutipan

Jika Anda menggunakan Katib dalam publikasi ilmiah, kami akan menghargai kutipan untuk makalah berikut:

Sistem tuning hiperparameter yang dapat diskalakan dan cloud-asli, George et al. , Arxiv: 2006.02085, 2020.

Entri 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}
}