๐จ(4๊ฐ) ์์ ๋ชจ๋ธ, ์ข์ ํ๋ผ๋ฏธํฐ ์ฐพ๊ธฐ: AutoML ์ค์ต
AutoML ์ง์ ๊ตฌํํ๊ธฐ
yaml ํ์ผ์์ ๋ชจ๋ธ์ ๋ง๋๋ ๋ฒ์ ํ์ตํ๊ณ
Optuna๋ฅผ ์ฌ์ฉํ์ฌ ์๋์ผ๋ก ๋ชจ๋ธ์ ์ฐพ๋ ๋ฒ์ ํ์ตํ๋ค.
[Further Reading]
- Datasets, Transforms and Models specific to Computer Vision - pytorch/vision
1. Overview
1.1. Review
AutoML: ๊ธฐ์ค ์ฑ๋ฅ์ ์ ๋ง์กฑํ๋ ์ ์ ํ ๋ชจ๋ธ๊ณผ ํ๋ผ๋ฏธํฐ๋ฅผ ํ์ํ ์ ์๋ค.
1.2. Objective
์ฌ๋์ด ์ง์ ์ฐพ๋๊ฒ ๋ณด๋ค ์ถฉ๋ถํ ์ข์ configuration ์ฐพ๊ธฐ
์ด๋์ ๋์ prior๋ฅผ ๊ฐ์ , ์ ์ search space๋ฅผ ์ก๋๋ค.
์ ์ง๋ง, ๋ํ์ฑ์ ๋๋ ์ข์ subset ๋ฐ์ดํฐ๋ฅผ ์ ํ๋ค. (+ n-fold Cross validation)
ํ์ต๊ณผ์ ์ profile์ ๋ณด๊ณ early terminateํ๋ ๊ธฐ๋ฒ ์ ์ฉ
ASHA Scheduler, BOHB(Bayesian Optm & Hyperband)
2. ์ฝ๋: Sample ํํธ
search space๋ฅผ ์ค์ ํ๊ณ , ์์์ ๋ชจ๋ธ๊ณผ ํ๋ผ๋ฏธํฐ๋ฅผ sampleํ๋ ์ฝ๋๋ฅผ ์ดํด๋ณธ๋ค.
2.1. ์ด๋ก ๊ณผ ์ฝ๋์ ์ฐ๊ฒฐ
overview
Optuna API์ ํ์ฉ
SOTA์๊ณ ๋ฆฌ์ฆ ๊ตฌํ, ๋ณ๋ ฌํ ์ฉ์ด, Conditional ํ๋ผ๋ฏธํฐ ๊ตฌ์ฑ ์ฉ์ด
๊ณผ์
Optuna Study ์์ฑ(blackbox optimizer ๋ฐ ๊ด๋ฆฌ๋ด๋น)
Study์ ์ต์ ํํ ๋ชฉ์ ํจ์ ๋ฐ ์๋ํ์, ์กฐ๊ฑด ๋ฑ์ ์ฃผ๊ณ Optimize
์์์ ์ฃผ์ด์ก๋ ๊ณผ์ ๊ณผ ์ฝ๋๋ฅผ ๋งคํํด๋ณด๋ฉด, ๋ค์๊ณผ ๊ฐ์ด ํํํ ์ ์๋ค.
3. ์ฝ๋: Parse ํํธ
Last updated