首页
/ 探索未来的利器:开源Vizier — 可靠而灵活的黑盒优化框架

探索未来的利器:开源Vizier — 可靠而灵活的黑盒优化框架

2024-05-22 14:05:38作者:曹令琨Iris

在机器学习和人工智能领域,优化工作是至关重要的一步,尤其是对那些复杂的黑盒优化问题。这就是Vizier,一个由Google研发,并已开源的黑盒优化服务,它以强大的性能和易用性著称。现在,让我们一起深入了解这个Python实现的开源版Vizier。

1、项目介绍

开源Vizier(OSS Vizier)是一个基于Python的服务,用于黑盒优化和研究。它的设计灵感来源于Google的内部工具Vizier,它旨在处理大规模的超参数调优任务。OSS Vizier提供了分布式客户端-服务器系统,确保在优化过程中可靠且灵活。

OSS Vizier服务架构

2、项目技术分析

OSS Vizier的核心是一个名为GAUSSIAN_PROCESS_BANDIT的算法,支持多种搜索空间类型,包括浮点型、整型、离散型和分类型参数。其API分为三大部分:

  • 用户API:供研究人员使用,可以轻松地优化目标函数并设置分布式多客户端环境。
  • 开发者API:为算法开发人员提供抽象和工具,以便于创建新的优化算法进行研究和服务部署。
  • 基准测试API:包含了大量基准测试用例,可用于比较和评估不同优化算法的性能。

此外,OSS Vizier还支持TensorFlow Probability和Flax,以及PyGlove库,以实现更大规模的进化实验和程序搜索。

3、项目及技术应用场景

无论你是机器学习工程师还是数据科学家,以下场景都可以受益于OSS Vizier:

  • 超参数调优:自动调整模型的参数以提高性能。
  • 研究新算法:利用现成的基础设施快速验证和比较新的优化策略。
  • 大规模实验:分布式架构使执行大量并发实验成为可能。
  • 自动化工程:在软件配置或硬件配置中寻找最佳组合。

4、项目特点

  • 可靠性与灵活性:OSS Vizier采用分布式系统,保证了在大规模实验中的稳定性和可扩展性。
  • 全面的API:覆盖从基础调优到算法开发再到基准测试的各种需求。
  • 集成社区资源:兼容TensorFlow、JAX等流行库,以及NASBENCH-201等基准测试集。
  • 易于使用:通过简单的Python代码即可启动优化过程,如上面的基本示例所示。

引用OSS Vizier

如果你在研究或项目中使用了OSS Vizier,请考虑引用以下两篇论文:

@inproceedings{oss_vizier,
  author    = {Xingyou Song and
               Sagi Perel and
               Chansoo Lee and
               Greg Kochanski and
               Daniel Golovin},
  title     = {Open Source Vizier: Distributed Infrastructure and API for Reliable and Flexible Black-box Optimization},
  booktitle = {Automated Machine Learning Conference, Systems Track (AutoML-Conf Systems)},
  year      = {2022},
}
@inproceedings{google_vizier,
  author    = {Daniel Golovin and
               Benjamin Solnik and
               Subhodeep Moitra and
               Greg Kochanski and
               John Karro and
               D. Sculley},
  title     = {Google Vizier: {A} Service for Black-Box Optimization},
  booktitle = {Proceedings of the 23rd {ACM} {SIGKDD} International Conference on
               Knowledge Discovery and Data Mining, Halifax, NS, Canada, August 13
               - 17, 2017},
  pages     = {1487--1495},
  publisher = {{ACM}},
  year      = {2017},
  url       = {https://doi.org/10.1145/3097983.3098043},
  doi       = {10.1145/3097983.3098043},
}

加入OSS Vizier的行列,让优化变得简单而高效,释放你的AI潜能。现在就尝试安装,开启你的优化之旅吧!

项目优选

收起
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
33
24
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
826
0
redis-sdkredis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
375
32
advanced-javaadvanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.92 K
19.09 K
qwerty-learnerqwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.62 K
1.45 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
19
2
杨帆测试平台杨帆测试平台
扬帆测试平台是一款高效、可靠的自动化测试平台,旨在帮助团队提升测试效率、降低测试成本。该平台包括用例管理、定时任务、执行记录等功能模块,支持多种类型的测试用例,目前支持API(http和grpc协议)、性能、CI调用等功能,并且可定制化,灵活满足不同场景的需求。 其中,支持批量执行、并发执行等高级功能。通过用例设置,可以设置用例的基本信息、运行配置、环境变量等,灵活控制用例的执行。
JavaScript
9
1
Yi-CoderYi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
57
7
RuoYi-VueRuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
147
26
anqicmsanqicms
AnQiCMS 是一款基于Go语言开发,具备高安全性、高性能和易扩展性的企业级内容管理系统。它支持多站点、多语言管理,能够满足全球化跨境运营需求。AnQiCMS 提供灵活的内容发布和模板管理功能,同时,系统内置丰富的利于SEO操作的功能,帮助企业简化运营和内容管理流程。AnQiCMS 将成为您建站的理想选择,在不断变化的市场中保持竞争力。
Go
78
5