論文の概要: Open Source Vizier: Distributed Infrastructure and API for Reliable and
Flexible Blackbox Optimization
- arxiv url: http://arxiv.org/abs/2207.13676v1
- Date: Wed, 27 Jul 2022 17:42:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-28 13:17:48.513001
- Title: Open Source Vizier: Distributed Infrastructure and API for Reliable and
Flexible Blackbox Optimization
- Title(参考訳): オープンソースのVizier: 信頼性とフレキシブルなブラックボックス最適化のための分散インフラストラクチャとAPI
- Authors: Xingyou Song, Sagi Perel, Chansoo Lee, Greg Kochanski, Daniel Golovin
- Abstract要約: ブラックボックス最適化と研究のためのPythonベースのインターフェースであるOpen Source (OSS) Vizierを紹介した。
OSS Vizierは、さまざまな最適化問題を定義および解決可能なAPIを提供する。
柔軟なRPCベースのインフラストラクチャにより、ユーザは任意の言語で記述されたバイナリからOSS Vizierにアクセスすることができる。
- 参考スコア(独自算出の注目度): 9.970143607988387
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vizier is the de-facto blackbox and hyperparameter optimization service
across Google, having optimized some of Google's largest products and research
efforts. To operate at the scale of tuning thousands of users' critical
systems, Google Vizier solved key design challenges in providing multiple
different features, while remaining fully fault-tolerant. In this paper, we
introduce Open Source (OSS) Vizier, a standalone Python-based interface for
blackbox optimization and research, based on the Google-internal Vizier
infrastructure and framework. OSS Vizier provides an API capable of defining
and solving a wide variety of optimization problems, including multi-metric,
early stopping, transfer learning, and conditional search. Furthermore, it is
designed to be a distributed system that assures reliability, and allows
multiple parallel evaluations of the user's objective function. The flexible
RPC-based infrastructure allows users to access OSS Vizier from binaries
written in any language. OSS Vizier also provides a back-end ("Pythia") API
that gives algorithm authors a way to interface new algorithms with the core
OSS Vizier system. OSS Vizier is available at https://github.com/google/vizier.
- Abstract(参考訳): vizierはデファクトのブラックボックスとハイパーパラメータ最適化サービスで、googleの最大の製品や研究成果を最適化している。
何千ものユーザのクリティカルなシステムをチューニングするスケールで運用するために、Google Vizierは、完全なフォールトトレラントを維持しながら、複数の異なる機能を提供する上で重要な設計課題を解決した。
本稿では,Google内部のVizierインフラストラクチャとフレームワークをベースとした,ブラックボックス最適化と研究のためのスタンドアロンのPythonベースのインターフェースであるOpen Source (OSS) Vizierを紹介する。
OSS Vizierは、マルチメトリック、早期停止、移行学習、条件付き検索など、さまざまな最適化問題を定義および解決可能なAPIを提供する。
さらに、信頼性を保証し、ユーザの目的関数の複数の並列評価を可能にする分散システムとして設計されている。
柔軟なRPCベースのインフラストラクチャにより、任意の言語で記述されたバイナリからOSS Vizierにアクセスすることができる。
OSS Vizierはバックエンド("Pythia")APIも提供しており、アルゴリズム作者がOSS Vizierコアシステムで新しいアルゴリズムをインターフェースする方法を提供する。
OSS Vizierはhttps://github.com/google/vizier.comから入手できる。
関連論文リスト
- DeepCAVE: An Interactive Analysis Tool for Automated Machine Learning [41.90094833178758]
DeepCAVEはAutoMLの最先端の最適化手順を分析し、監視するインタラクティブなフレームワークである。
当社のフレームワークのモジュール構造は、ユーザが自動的に生成したテキスト、テーブル、グラフィック視覚化を提供する。
論文 参考訳(メタデータ) (2022-06-07T12:59:39Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳(メタデータ) (2022-03-02T17:41:45Z) - ESPnet-SLU: Advancing Spoken Language Understanding through ESPnet [95.39817519115394]
ESPnet-SLUは、エンドツーエンドの音声処理ツールキットであるESPnetのプロジェクトである。
単一のフレームワークによる音声言語理解の迅速な開発を目的として設計されている。
論文 参考訳(メタデータ) (2021-11-29T17:05:49Z) - Opacus: User-Friendly Differential Privacy Library in PyTorch [54.8720687562153]
私たちは、差分プライバシーでディープラーニングモデルをトレーニングするための、オープンソースのPyTorchライブラリであるOpacusを紹介します。
シンプルでユーザフレンドリなAPIを提供しており、コードに最大2行を追加することで、マシンラーニングの実践者がトレーニングパイプラインをプライベートにすることができる。
論文 参考訳(メタデータ) (2021-09-25T07:10:54Z) - Solo-learn: A Library of Self-supervised Methods for Visual
Representation Learning [83.02597612195966]
solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。
Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
論文 参考訳(メタデータ) (2021-08-03T22:19:55Z) - FrugalMCT: Efficient Online ML API Selection for Multi-Label
Classification Tasks [27.35907550712252]
OCRなどのマルチラベル分類タスクは、サービス産業としての機械学習の成長の主要な焦点です。
ユーザの予算を尊重しつつ、異なるデータに適応的に利用するAPIをオンライン方式で選択する原則化されたフレームワークであるFrugalMCTを提案する。
マルチラベル画像分類、シーンテキスト認識、名前付きエンティティ認識などのタスクに対して、Google、Microsoft、Amazon、IBM、TencentなどのML APIを使用した体系的な実験を行う。
論文 参考訳(メタデータ) (2021-02-18T02:59:58Z) - Autodidactic Neurosurgeon: Collaborative Deep Inference for Mobile Edge
Intelligence via Online Learning [19.013102763434794]
本稿では,資源制約のあるモバイルデバイスと強力なエッジサーバとの間に協調的な深層推論システムを構築する。
我々のシステムには、Autodidactic Neurosurgeon (ANS)と呼ばれるオンライン学習モジュールが組み込まれており、最適な分割点を自動的に学習する。
ANSは、トラッキングシステムの変更とエンドツーエンドの推論遅延の低減の観点から、最先端のベンチマークを著しく上回る。
論文 参考訳(メタデータ) (2021-02-02T18:50:06Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳(メタデータ) (2020-12-02T12:18:27Z) - Fully Convolutional Networks for Panoptic Segmentation [91.84686839549488]
そこで我々は,Panoptic FCNという概念的,シンプルで,強力で,効率的なパノプティックセグメンテーションフレームワークを提案する。
我々のアプローチは、統一された完全な畳み込みパイプラインにおいて、前景や背景を表現し、予測することを目的としています。
Panoptic FCNは、提案されたカーネルジェネレータで、各オブジェクトインスタンスまたは物カテゴリを特定のカーネル重みにエンコードする。
論文 参考訳(メタデータ) (2020-12-01T18:31:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。