ハイパーパラメータおよび HPO - Amazon Personalize

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

ハイパーパラメータおよび HPO

トレーニングの前にハイパーパラメーターを指定して、特定のユースケースに合わせてトレーニング済みモデルを最適化します。トレーニングプロセス中に値が決まるモデルパラメータとは対照的です。

ハイパーパラメータは、CreateSolution オペレーションに渡された SolutionConfig オブジェクトの一部である algorithmHyperParameters キーを使用して指定します。

CreateSolution リクエストの簡約版は以下のとおりです。この例には、solutionConfig オブジェクトが含まれています。solutionConfig を使用してレシピのデフォルトパラメータを上書きします。

{ "name": "string", "recipeArn": "string", "eventType": "string", "solutionConfig": { "optimizationObjective": { "itemAttribute": "string", "objectiveSensitivity": "string" }, "eventValueThreshold": "string", "featureTransformationParameters": { "string" : "string" }, "algorithmHyperParameters": { "string" : "string" }, "hpoConfig": { "algorithmHyperParameterRanges": { ... }, "hpoResourceConfig": { "maxNumberOfTrainingJobs": "string", "maxParallelTrainingJobs": "string" } }, }, }

異なるレシピは異なるハイパーパラメータを使用します。利用可能なハイパーパラメータについては、「ステップ 1: レシピの選択」で個々のレシピを参照してください。

ハイパーパラメータ最適化の有効化

ハイパーパラメータの最適化 (HPO) またはチューニングは、特定の学習目標に最適なハイパーパラメータを選択するタスクです。最適なハイパーパラメータは、指定された可能性の範囲内から異なる値を使用して多くのトレーニングジョブを実行することで決定されます。デフォルトでは、Amazon Personalize は HPO を実行しません。HPO を使用するには、performHPOtrue に設定し、hpoConfig オブジェクトを含めます。

ハイパーパラメータのタイプは、カテゴリ別、継続的、または整数値のいずれかです。hpoConfig オブジェクトにはこれらの各タイプに該当するキーがあります。ここでは、ハイパーパラメータおよび範囲を指定します。リクエストでは各タイプを指定する必要がありますが、レシピにタイプのパラメータがない場合は、空のままにしておくことができます。たとえば、User-Personalization には、連続型の調整可能なハイパーパラメーターはありません。も可能です。continousHyperParameterRangeの場合、空白の配列を渡します。

次のコードは、SDK for Python (Boto3) を使用して、HPO が有効になっているソリューションを作成する方法を示しています。この例のソリューションでは、ユーザーパーソナライズのレシピレシピで、HPO がtrue。このコードは次の値を提供しますhidden_dimensioncategoricalHyperParameterRangesそしてintegerHyperParameterRanges。-continousHyperParameterRangeが空白hpoResourceConfig設定するmaxNumberOfTrainingJobsそしてmaxParallelTrainingJobs

create_solution_response = personalize.create_solution( name = solutionName, datasetGroupArn = 'arn:aws:personalize:region:accountId:dataset-group/datasetGroupName', recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization', performHPO = True, solutionConfig = { "algorithmHyperParameters": { "hidden_dimension": "55" }, "hpoConfig": { "algorithmHyperParameterRanges": { "categoricalHyperParameterRanges": [ { "name": "recency_mask", "values": [ "true", "false"] } ], "integerHyperParameterRanges": [ { "name": "bptt", "minValue": 2, "maxValue": 22 } ], "continuousHyperParameterRanges": [ ] }, "hpoResourceConfig": { "maxNumberOfTrainingJobs": "4", "maxParallelTrainingJobs": "2" } } } )

HPO の詳細については、「モデルの自動チューニング」を参照してください。

ハイパーパラメータの表示

ソリューションのハイパーパラメータを表示するには、DescribeSolutionオペレーション. 次のサンプルはDescribeSolutionOutput。ソリューションバージョンの作成 (モデルのトレーニング) 後、ハイパーパラメーターを表示するにはDescribeSolutionVersionオペレーション.

{ "solution": { "name": "hpo_coonfig_solution", "solutionArn": "arn:aws:personalize:region:accountId:solution/solutionName", "performHPO": true, "performAutoML": false, "recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization", "datasetGroupArn": "arn:aws:personalize:region:accountId:dataset-group/datasetGroupName", "eventType": "click", "solutionConfig": { "hpoConfig": { "hpoResourceConfig": { "maxNumberOfTrainingJobs": "4", "maxParallelTrainingJobs": "2" }, "algorithmHyperParameterRanges": { "integerHyperParameterRanges": [ { "name": "training.bptt", "minValue": 2, "maxValue": 22 } ], "continuousHyperParameterRanges": [], "categoricalHyperParameterRanges": [ { "name": "data.recency_mask", "values": [ "true", "false" ] } ] } }, "algorithmHyperParameters": { "hidden_dimension": "55" } }, "status": "ACTIVE", "creationDateTime": "2022-07-08T12:12:48.565000-07:00", "lastUpdatedDateTime": "2022-07-08T12:12:48.565000-07:00" } }