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
- fVDB: A Deep-Learning Framework for Sparse, Large-Scale, and High-Performance Spatial Intelligence [50.417261057533786]
fVDBは、大規模な3Dデータのディープラーニングのための新しいフレームワークである。
私たちのフレームワークは、既存のパイプラインとの相互運用性を可能にするPyTorchと完全に統合されています。
論文 参考訳（メタデータ） (2024-07-01T20:20:33Z) - OSR-ViT: A Simple and Modular Framework for Open-Set Object Detection and Discovery [16.055210504552406]
我々は、OODD(Open-Set Object Detection and Discovery)と呼ばれる新しいタスクを提案する。
提案するOpen-Set Regions with ViT features (OSR-ViT) Detection framework。
OSR-ViTは、クラスに依存しない提案ネットワークと強力なViTベースの分類器を組み合わせる。
論文 参考訳（メタデータ） (2024-04-16T19:29:27Z) - Scalable Video Object Segmentation with Simplified Framework [21.408446548059956]
本稿では,機能抽出とマッチングを行うスケーラブルなVOS(SimVOS)フレームワークを提案する。
SimVOSは拡張性のあるViTバックボーンを使用して、クエリと参照の同時抽出とマッチングを行う。
実験により,我々のSimVOSは,人気ビデオオブジェクトセグメンテーションベンチマークの最先端結果を得た。
論文 参考訳（メタデータ） (2023-08-19T04:30:48Z) - torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。
環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文 参考訳（メタデータ） (2023-05-24T00:20:59Z) - Trieste: Efficiently Exploring The Depths of Black-box Functions with
TensorFlow [50.691232400959656]
Triesteは、ベイジアン最適化とアクティブラーニングのためのオープンソースのPythonパッケージである。
我々のライブラリは、シーケンシャルな意思決定ループ内で人気のあるモデルのプラグアンドプレイを可能にする。
論文 参考訳（メタデータ） (2023-02-16T17:21:49Z) - NeuralSearchX: Serving a Multi-billion-parameter Reranker for
Multilingual Metasearch at a Low Cost [4.186775801993103]
検索結果をマージし、文章をハイライトする多目的大規模階調モデルに基づくメタサーチエンジンであるNeuralSearchXについて述べる。
我々の設計選択は、幅広い公開ベンチマークで最先端の結果に近づきながら、競争力のあるQPSを備えたよりコスト効率の高いシステムに繋がったことを示す。
論文 参考訳（メタデータ） (2022-10-26T16:36:53Z) - PyHopper -- Hyperparameter optimization [51.40201315676902]
我々は機械学習研究者のためのブラックボックス最適化プラットフォームであるPyHopperを紹介する。
PyHopperの目標は、最小限の労力で既存のコードと統合し、最小限のマニュアル監視で最適化プロセスを実行することである。
単純さを主テーマとして、PyHopperは単一のロバストなマルコフチェーンモンテカルロ最適化アルゴリズムを利用している。
論文 参考訳（メタデータ） (2022-10-10T14:35:01Z) - 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) - VEGA: Towards an End-to-End Configurable AutoML Pipeline [101.07003005736719]
VEGAは効率よく包括的なAutoMLフレームワークで、複数のハードウェアプラットフォームに互換性があり、最適化されている。
VEGAは既存のAutoMLアルゴリズムを改善し、SOTAメソッドに対して新しい高性能モデルを発見する。
論文 参考訳（メタデータ） (2020-11-03T06:53:53Z) - Large-Scale Intelligent Microservices [24.99695289157708]
我々は、データベース操作を拡張してWebサービスプリミティブを含むApache Sparkベースのマイクロサービスオーケストレーションフレームワークを紹介します。
音声、視覚、検索、異常検出、テキスト分析などのインテリジェントなサービスに対して大規模なクライアントを提供する。
論文 参考訳（メタデータ） (2020-09-17T03:38:28Z) - PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。
これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
論文 参考訳（メタデータ） (2020-02-13T10:33:05Z)
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。