katib
v0.17.0
Katib เป็นโครงการ Kubernetes-Native สำหรับการเรียนรู้ของเครื่องอัตโนมัติ (AUTOML) Katib รองรับการปรับแต่งพารามิเตอร์การหยุดเร็วและการค้นหาสถาปัตยกรรมระบบประสาท
Katib เป็นโครงการที่ไม่เชื่อเรื่องพระเจ้าการเรียนรู้ของเครื่อง (ML) มันสามารถปรับพารามิเตอร์ hyperparameters ของแอปพลิเคชันที่เขียนในภาษาใด ๆ ของตัวเลือกของผู้ใช้และสนับสนุนเฟรมเวิร์ก ML จำนวนมากเช่น TensorFlow, Apache MxNet, Pytorch, XGBOOST และอื่น ๆ
Katib สามารถดำเนินงานฝึกอบรมโดยใช้ทรัพยากรที่กำหนดเอง Kubernetes ใด ๆ ที่มีการสนับสนุนนอกกรอบสำหรับผู้ให้บริการฝึกอบรม Kubeflow, Workflows Argo, ท่อ Tekton และอีกมากมาย
Katib ย่อมาจาก secretary ในภาษาอาหรับ
Katib รองรับอัลกอริทึมการค้นหาหลายอย่าง ทำตามเอกสาร Kubeflow เพื่อทราบข้อมูลเพิ่มเติมเกี่ยวกับอัลกอริทึมแต่ละตัวและตรวจสอบคู่มือนี้เพื่อใช้อัลกอริทึมที่กำหนดเองของคุณ
| การปรับจูนพารามิเตอร์ | การค้นหาสถาปัตยกรรมประสาท | หยุดก่อน |
| การค้นหาแบบสุ่ม | enas | หยุดเฉลี่ย |
| การค้นหากริด | ลูกดอก | |
| การเพิ่มประสิทธิภาพแบบเบย์ | ||
| tpe | ||
| TPE หลายตัวแปร | ||
| CMA-ES | ||
| ลำดับ quasirandom ของ SOBOL | ||
| ไฮเปอร์ | ||
| การฝึกอบรมตามประชากร |
ในการดำเนินการอัลกอริทึมด้านบน Katib รองรับเฟรมเวิร์กต่อไปนี้:
โปรดตรวจสอบเอกสาร Kubeflow อย่างเป็นทางการสำหรับข้อกำหนดเบื้องต้นในการติดตั้ง Katib
โปรดทำตามคู่มือ Kubeflow Katib สำหรับคำแนะนำโดยละเอียดเกี่ยวกับวิธีการติดตั้ง Katib
เรียกใช้คำสั่งต่อไปนี้เพื่อติดตั้งเครื่องบินควบคุม Katib ที่เสถียรล่าสุด:
kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=v0.17.0"
เรียกใช้คำสั่งต่อไปนี้เพื่อติดตั้งการเปลี่ยนแปลงล่าสุดของเครื่องบินควบคุม Katib:
kubectl apply -k "github.com/kubeflow/katib.git/manifests/v1beta1/installs/katib-standalone?ref=master"
สำหรับการทดลอง Katib ตรวจสอบรายการตัวอย่างที่สมบูรณ์
Katib ใช้ Python SDK เพื่อลดความซับซ้อนของการสร้างงานการปรับจูนไฮเปอร์พารามิเตอร์สำหรับนักวิทยาศาสตร์ข้อมูล
เรียกใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Katib SDK ที่มีเสถียรภาพล่าสุด:
pip install -U kubeflow-katibโปรดดูคู่มือการเริ่มต้นเพื่อสร้างการทดลองปรับจูนไฮเปอร์พารามิเตอร์ครั้งแรกของคุณอย่างรวดเร็วโดยใช้ Python SDK
ลิงค์ต่อไปนี้ให้ข้อมูลเกี่ยวกับวิธีการมีส่วนร่วมในชุมชน:
#kubeflow-katib ของเราโปรดดูคู่มือการสนับสนุน
หากคุณใช้ katib ในสิ่งพิมพ์ทางวิทยาศาสตร์เราจะขอบคุณการอ้างอิงไปยังบทความต่อไปนี้:
ระบบปรับจูนพารามิเตอร์ไฮเปอร์พารามิเตอร์ที่ปรับขนาดได้และมีเมฆ, George และคณะ , arxiv: 2006.02085, 2020
รายการ 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}
}
