发布于 : Apr 26, 2023
Apr 2023
试验
值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。
在面对探索大型配置空间的挑战时,可能需要大量的时间来评估给定配置,团队可以转向自适应实验,这是一种机器引导的迭代过程,以资源高效的方式找到最佳解决方案。Ax 是一个用来管理和自动化自适应实验的平台,它包括机器学习实验,A/B 测试和模拟。目前,它支持两种优化策略,一种是使用 BoTorch 的贝叶斯优化,它是建立在 PyTorch 基础上的,以及 contextual bandits。 Facebook 在 发布 Ax 和 BoTorch 时描述了例如提高后端基础设施的效率,调整排名模型和优化机器学习平台的超参数搜索的用例。我们已经在多种用例中有了丰富的 Ax 应用经验,虽然超参数调整工具是存在的,我们尚未发现有能提供与 Ax 在一定范围上具有相似功能的平台。