咱们来自字节跳动飞书商业应用研发部(Lark Business Applications)，目前咱们在北京、深圳、上海、武汉、杭州、成都、广州、三亚都设立了工作区域。咱们关注的产品领域首要在企业经历管理软件上，包含飞书 OKR、飞书绩效、飞书招聘、飞书人事等 HCM 领域体系，也包含飞书审批、OA、法务、财务、采购、差旅与报销等体系。欢迎各位参加咱们。

本文作者：飞书商业应用研发部魏一

欢迎咱们关注飞书技能，每周定时更新飞书技能团队技能干货内容，想看什么内容，欢迎咱们评论区留言~

为什么运用 Hyperparameter Optimization

自动化机器学习体系的各个部件，让机器学习的规划依靠于核算资源而不是专业人力。

AutoML 的目的是将模型结构和参数的查找从手艺办法变成自动化办法。其意义在于，让公司进行机器学习的才能，规划从依靠机器学习专家转化为依靠核算资源。由于持久的看来核算资源的成本比机器学习专家要低，因而 AutoML 会整体大大增加公司进行机器学习应用的才能。

AutoML Tables

自动化不必定替代人工，也可以助力人工。

AutoML 首要用于自动的进行模型的优化，模型优化可以分为两个部分：

特征的挑选
体现的优化
- 超参数优化「Hyperparameter Optimization, HPO」
- 网络结构查找「Neural Architecture Search, NAS」
功能的优化

首要包含是提高模型的功能，比方剪枝「Pruning」和量化「Quantization」。

易于运用

中心节点：负责搜集和汇总练习的成果，分发需求测验的超参数
核算节点：负责运用中心节点传来的超参数，运转练习脚本，回来练习成果

练习脚本满足两个根本需求：

需求调优的超参数可以从配置里面读入
可以回来练习的成果「类似于callback」

model.py

params = {'features': 512,'lr': 0.001,'momentum': 0}
optimized_params = get_next_parameter() 
params.update(optimized_params)
...
class NeuralNetwork(nn.Module):
    ...
for t in range(epochs):
    train(...)
accuracy = test(...)
report_result(accuracy)

main.py

search_space = {
    'features': {'_type': 'choice', '_value': [128, 256, 512, 1024]},
    'lr': {'_type': 'loguniform', '_value': [0.0001, 0.1]},
    'momentum': {'_type': 'uniform', '_value': [0, 1]}
    }
experiment = Experiment(trial_command='python3 model.py', 
                        search_space=search_space)
experiment.run(8080)

常见的查找空间

候选集
- 数值型，比方embedding size 从 4，8， 16， 32，64中选取
- 枚举型，比方不同的优化器
实数性
- 从区间内，依据不同的散布选取一个随机实/整数，比方uniform、loguniform ……

HPO迭代思路

专业常识 – 大量测验 – 提高功率 – 加快迭代功率
- 择优更新 – 挑选更优的策略进行变换
  - 运用现有数据进行猜测

传统的通用办法

Batch

给出几组比较有潜力的参数。把这些参数都去测验一下，便是最简略的batch办法。

最简略的方式进行超参数挑选，同时可以并行，但需求最多的先验常识。

Anneal

设置一个先验的概率，然后依据这个概率去抽取一个参数组合。

留意：要保证当时体现好的参数组合有比较大的概率被抽到。

例如：运用几何散布选取下一轮迭代的根底参数组合

先验的概率：为 1 / 第k好的试验下标「注：下标按照体现排序，最好的在最前面」

rng = np.random.RandomState(seed)
good_idx = rng.geometric(1.0 / avg_best_idx), size=size) - 1

超参数跟着试验的进行，可选的规模逐步缩小

例如在区间内随机选取 U(l, h)，当时较优参数的值为 x，那么下一次选取时的规模变为：

U(x – w/2, x + w/2)，其中 w = W / (1 + T * shrink_coef)

T：当时已完结的trail数量

shrink_coef：大于0小于1的常数

Evolution

办法1:

比赛形式：从现有的数据中两两进行随机组合，在每组作用好的参数上进行随机改变，去重，取得新的参数

办法2:

自然界中：
- 体现优异的个别往往更加容易留下后代。Aging evolution算法经过采样形成一个候选集，挑选候选集中准确率最高的参数组合进行繁殖，以此模仿这个进程
- 年轻的个别比较于年老的个别一般具有更好的潜能，更有可能留下后代。Aging evolution算法每次会去除种群中一个最老的个别，并参加一个新个别，以此模仿这个进程
- 后代往往会遗传爸爸妈妈的一些特征，并在此根底上进行变异。

Hyperband

哪些要素造成了练习时长的改变？

练习轮数
样本数量
特征数量
……

将这些约束要素考虑为预算，经过合理的预算在无/有限分配的超参数组合上分配，取得最大的收益「模型体现最好」

=> 将超参数调优的问题变为无限臂山君机上进行非随机地探究的进程

根本的思路：Early-stop 尽早的完毕潜力不大的参数组合的练习，可是：

设计一个预算约束，依据不同的预算约束和需求探究的参数的组合，分配给每个组合必定的资源：

B：总预算「上面说到的三个约束要素」
R：每次迭代的资源数量
S：需求进行的迭代数量「每次迭代包含屡次测验」
： Successive Halving 中被保存的超参数组合的比例

实例：

Median Stop

无需模型、适用规模广

在第s步，假如试验t至今最优的成果差于第0到t-1次试验「之前一切」在第s步时的均匀值的中位数，那么则中止当时试验的练习。

均匀值的核算：

第s步：一般不从取前几步的成果，就像之前图所示，前期成果的置信度不高，过早完毕可能会错失最优解。「需求一个warm-up的进程」

_completed_avg_history = defaultdict(list)
for trial_job_id in trial_job_ids:
    cnt, history_sum = 0, 0
    for each in _running_history[trial_job_id]:
        cnt += 1
        history_sum += each
        s_completed_avg_history[trial_job_id].append(history_sum / cnt)
        # 记录 O[1:s, T] 
……
avg_array = []  # 第0到t-1次试验「之前一切」在第s步时的均匀值
for id_ in _completed_avg_history:
    if len(_completed_avg_history[id_]) >= curr_step:
        avg_array.append(_completed_avg_history[id_][curr_step - 1])
median = avg_array[(len(avg_array)-1) // 2]
improved = False if best_history < median else True

❗️没有充分的考虑和运用历史信息

运用大局信息更充分的探究潜力较大的区域

TPE

Tree-structured Parzen Estimator Approach属于 Sequential Model-Based Global Optimization 「SMBO」

这儿的Tree表示什么：超参数是一个个进行优化的，tree指的是一种层级结构。也便是说超参数组成了一个树形结构。

在超参数的选取时，咱们期望新的超参数可以带来最大的收益。因而定义： Expected Improvement 「EI」

结合起来，

也便是说对于给定的历史数据，期望最小化 g(x) / l(x)。

rng = np.random.default_rng(seed)
below, above = split_history(param_history)  # split history into good ones and bad ones
counts: List[int] = np.bincount(below)
p = (counts + prior_weight) / sum(counts + prior_weight) # add k smoothing
samples = rng.choice(size, 20, p=p)
below_llik = np.log(p[samples])  # the probablity of these samples to be good (llik means log-likelyhood)
counts: List[int] = np.bincount(above)
p = (counts + prior_weight) / sum(counts + prior_weight)
above_llik = np.log(p[samples])  # the probablity of above samples to be bad
best = samples[np.argmax(below_llik - above_llik)]  # which one has best probability to be good

❗️TPE在进行超参数挑选的时分考虑到了历史信息，但没有考虑到部分超参数的相关性

GP

Gaussian Processes：类似的输入应该有类似的输出

假定有数据 D = {(x1, f1), {x2, f2}, {x3, f3}}，方针是取得 f(x)。假定数据来自 N ～ (0, K)

假如现在有一个新输入 x* ，假定 x* 和现有的数据来自同一个散布，为了保证f和之前的数据具有相关，所以将已有的f和f共同构成一个新的高斯散布。

假如已有高斯散布，那个可以核算 1|2 和 1|2

因而可以核算出x对应f的均值和方差

实例：

怎么进行猜测？未知点x的猜测值f有更大的概率大于当时最优的f+。

GP和其他的贝叶斯优化「Bayesian Optimization」办法提供了一个更优的超参数选取计划。BOHB「Bayesian Optimization Hyperband」将贝叶斯优化和Hyperband结合起来。整体结构还是和Hyperband保持一致，但每轮优化开始时运用贝叶斯优化替换随机，依据上轮迭代的成果，挑选更优的可测验参数组合。

SMAC

Sequential Model-Based Optimization for General Algorithm Configuration

高斯进程更适合与处理超参数空间为接连或数值类型的情况。但经常会出现离散「例如挑选优化器」，乃至条件关系「例如与优化器相关特有的超参数」的超参数。

GP可以经过设计巧妙的办法解决这个问题「比方设计特定的核函数」，但解决起来并不自然。

需求的是猜测值 + 不确定性而且模型不能过于复杂。 —— 随机森林

同样数据集为：{(x_1, f(x_1)), (x_2, f(x_2)), …, (x_n, f(x_n))}

这儿的x_n是模型的超参数，而f(x_n)是在该模型超参数配置下，在某个固定的数据集上的体现

经过树立一个随机森林模型去拟合f；该进程可以类比高斯回归进程中n个点所构成的多维正态散布。

对于新参加的点x，在随机森林的每个树上有一个猜测成果，把一切树的猜测成果求均匀即得到均值，猜测成果求标准差即为标准差。

在高斯回归进程中，对于新参加的点x与之前的点构成新的多维正态散布，然后求解新参加点的边沿散布即可得到新参加的点的均值与标准差。

在对新的超参数组合进行查找的时分，会同时在现已体现比较好的超参数组合邻近进行查找，和随机选取点进行猜测。

DNGO

Deep Networks for Global Optimization

运用DNN替换随机森林。

需求可以取得猜测值 + 不确定性，DNN怎么实现？

=》 MLP + Bayesian Linear Regression

MLP部分

经过历史数据进行练习，猜测方针是超参数对应的成果。但在猜测时运用终究一层的输出作为basis function，用作Bayesian Linear Regression的输入。

class Net(nn.Module):
    def __init__(self, n_inputs, n_units=[50, 50, 50]):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(n_inputs, n_units[0])
        self.fc2 = nn.Linear(n_units[0], n_units[1])
        self.fc3 = nn.Linear(n_units[1], n_units[2])
        self.out = nn.Linear(n_units[2], 1)
    def forward(self, x):
        x = torch.tanh(self.fc1(x))
        x = torch.tanh(self.fc2(x))
        x = torch.tanh(self.fc3(x))
        return self.out(x)
    def basis_funcs(self, x):
        x = torch.tanh(self.fc1(x))
        x = torch.tanh(self.fc2(x))
        x = torch.tanh(self.fc3(x))
        return x

Bayesian Linear Regression

依据MLP得到的basis function进行猜测，回来均值和方差。

猜测办法：Gibbs Sampling

例如想要取得方位的f(x, y)「联合散布」，假定是高斯散布：

一个很简略的例子：

Data：{(x1, y1), …, (xn, yn)}

参数为：0 (the intercept), 1 (the gradient) and precision

假定参数的先验散布为：

经过一系列的推导，可以得到：

def gibbs(y, x):
    iters = 1000
    init = {"beta_0": 0,"beta_1": 0,"tau": 2}  # specify hyper parameters     hypers = {"mu_0": 0,"tau_0": 1,"mu_1": 0,"tau_1": 1,"alpha": 2,"beta": 1}    
    beta_0 = init["beta_0"]
    beta_1 = init["beta_1"]
    tau = init["tau"]
    sample_weight = np.zeros((iters, 3))  # trace to store values of beta_0, beta_1, tau
    for it in range(iters):
        beta_0 = sample_beta_0(y, x, beta_1, tau, hypers["mu_0"], hypers["tau_0"])
        beta_1 = sample_beta_1(y, x, beta_0, tau, hypers["mu_1"], hypers["tau_1"])
        tau = sample_tau(y, x, beta_0, beta_1, hypers["alpha"], hypers["beta"])
        sample_weight[it, :] = np.array((beta_0, beta_1, tau))
    return sample_weight
weights = sample_weight(y, x, iters, init, hypers)
predictions = [w[0] + w[1]*x_test + w[2] for w in weights]

神经网络自身也有超参数，终究的选取经过运用多个数据集，运用GP挑选最优的超参数。

比较于随机森林，模型更为复杂，文中提供的成果显现作用优于SMAC，功能优于GP。

深度学习适用的办法

深度学习超参数/结构的查找面临的两大首要问题

练习耗时
可查找组合多

Evolution

PBT

全称：Population Based Training

结合最优探究和并行测验，在练习的进程中不断的进行模型的评价和排序。假如排名较低，则将被替换「用体现好的模型成果和超参数」，在此根底上进行探究。

Reinforcement Learning

RNN + RL

成果好，但耗时很长。

Differentiable Architecture Search

实例：embedding size查找

对每个模型结构挑选的当地，树立一个mixed operation。这个mixed operation有参数a，作为权重。模型自身的参数咱们设置为w
当模型还没有收敛时，做：
- 更新mixed operation的模型结构参数a。在模型的每个mixed operation傍边sample一个op。对于sample的ops, 本来模型的loss假如记为 L(op1, op2, … opn)，则咱们核算一个L(op1 * a1′, op2 * a2′ …, opn * an’），其中ai’是a在opi上被挑选的那个权重值
- 在模型的每个mixed operation傍边sample一个op，对模型自身的参数w做gradient descent。

总结

易于运用，提高功率；
加深对业务数据的了解。

Reference

AutoML For Lite模型 Design Doc
bytedance.feishu.cn/minutes/obc…
www.jmlr.org/papers/volu…
arxiv.org/pdf/1703.01…
arxiv.org/pdf/1711.09…
arxiv.org/pdf/1603.06…
arxiv.org/pdf/1802.01…
proceedings.neurips.cc/paper/2011/…
papers.nips.cc/paper/4443-…
arxiv.org/abs/1807.01…
www.microsoft.com/en-us/resea…
www.cs.ubc.ca/~hutter/pap…
arxiv.org/pdf/1502.05…
arxiv.org/pdf/1211.09…
static.googleusercontent.com/media/resea…
arxiv.org/abs/1611.01…
arxiv.org/abs/1812.03…
arxiv.org/abs/1812.09…
Embedding Size Tuning using SparseNAS Design Doc V2

参加咱们

扫码发现职位&投递简历

官网投递：job.toutiao.com/s/FyL7DRg

AutoML – Hyperparameter Optimization

为什么运用 Hyperparameter Optimization

易于运用

HPO迭代思路

传统的通用办法

Batch

Anneal

Evolution

Hyperband

Median Stop

TPE

GP

SMAC

DNGO

深度学习适用的办法

Evolution

Reinforcement Learning

Differentiable Architecture Search

实例：embedding size查找

总结

Reference

参加咱们

作者信息

推广

AutoML – Hyperparameter Optimization

为什么运用 Hyperparameter Optimization

易于运用

HPO迭代思路

传统的通用办法

Batch

Anneal

Evolution

Hyperband

Median Stop

TPE

GP

SMAC

DNGO

深度学习适用的办法

Evolution

Reinforcement Learning

Differentiable Architecture Search

实例：embedding size查找

总结

Reference

参加咱们

相关文章

从源码分析 Spring 事务的来龙去脉

Android通过BLE传输文件

通用数字滤波算法

一看就懂的OpenGL ES教程——仿抖音滤镜的奇技淫巧之高斯模糊滤镜

作者信息

推广