ما هي الخيارات المتاحة لإعداد ميزانية التدريب في جداول AutoML؟
يتضمن إعداد ميزانية التدريب في جداول AutoML عدة خيارات تسمح للمستخدمين بالتحكم في مقدار الموارد المخصصة لعملية التدريب. تم تصميم هذه الخيارات لتحسين المفاضلة بين أداء النموذج والتكلفة ، مما يمكّن المستخدمين من تحقيق المستوى المطلوب من الدقة ضمن قيود الميزانية الخاصة بهم.
الخيار الأول المتاح لإعداد ميزانية التدريب هو معلمة "budget_milli_node_hours". تمثل هذه المعلمة المبلغ الإجمالي لموارد الحوسبة التي سيتم استخدامها للتدريب ، ويتم قياسها بساعات ملي عقدة. يحدد المدة القصوى لعملية التدريب ويؤثر بشكل غير مباشر على التكلفة. من خلال تعديل هذه المعلمة ، يمكن للمستخدمين تحديد المقايضة المطلوبة بين دقة النموذج والتكلفة. ستخصص القيمة الأعلى المزيد من الموارد لعملية التدريب ، مما قد يؤدي إلى دقة أعلى ولكن أيضًا تكلفة أعلى.
خيار آخر هو معلمة "الميزانية" ، والتي تمثل الحد الأقصى لتكلفة التدريب التي يكون المستخدم على استعداد لتحملها. تسمح هذه المعلمة للمستخدمين بتعيين حد صارم لتكلفة التدريب ، مما يضمن ألا تتجاوز الموارد المخصصة الميزانية المحددة. ستعمل خدمة جداول AutoML على تعديل عملية التدريب تلقائيًا لتلائم الميزانية المحددة ، وتحسين تخصيص الموارد لتحقيق أفضل دقة ممكنة ضمن القيود المحددة.
بالإضافة إلى هذه الخيارات ، توفر جداول AutoML أيضًا القدرة على تعيين الحد الأدنى لعدد تقييمات النموذج باستخدام معلمة "model_evaluation_count". تحدد هذه المعلمة الحد الأدنى لعدد المرات التي يجب فيها تقييم النموذج أثناء عملية التدريب. من خلال تحديد قيمة أعلى ، يمكن للمستخدمين التأكد من أن النموذج قد تم تقييمه وضبطه بدقة ، مما قد يؤدي إلى دقة أفضل. ومع ذلك ، من المهم ملاحظة أن زيادة عدد التقييمات سيزيد أيضًا من تكلفة التدريب الإجمالية.
علاوة على ذلك ، توفر جداول AutoML خيارًا لتحديد هدف التحسين المطلوب من خلال معلمة "optimization_objective". تتيح هذه المعلمة للمستخدمين تحديد المقياس الذي يريدون تحسينه أثناء عملية التدريب ، مثل الدقة أو الدقة أو الاستدعاء أو درجة F1. من خلال تحديد هدف التحسين ، يمكن للمستخدمين توجيه عملية التدريب نحو تحقيق أهداف الأداء المطلوبة ضمن الميزانية المخصصة.
أخيرًا ، توفر جداول AutoML المرونة لضبط ميزانية التدريب بعد بدء التدريب الأولي. يمكن للمستخدمين مراقبة تقدم التدريب واتخاذ قرارات مستنيرة بناءً على النتائج الوسيطة. إذا كان النموذج لا يلبي الدقة المطلوبة ضمن الميزانية المخصصة ، يمكن للمستخدمين التفكير في زيادة ميزانية التدريب لتخصيص المزيد من الموارد وتحسين أداء النموذج.
للتلخيص ، تشمل الخيارات المتاحة لإعداد ميزانية التدريب في جداول AutoML معلمة "budget_milli_node_hours" ، ومعلمة "budget" ، ومعلمة "model_evaluation_count" ، ومعلمة "optimization_objective" ، والقدرة على ضبط الميزانية أثناء عملية التدريب . توفر هذه الخيارات للمستخدمين المرونة للتحكم في تخصيص الموارد وتحسين المفاضلة بين أداء النموذج والتكلفة.
أسئلة وأجوبة أخرى حديثة بخصوص جداول AutoML:
- كيف يمكن للمستخدمين نشر نموذجهم والحصول على تنبؤات في جداول AutoML؟
- ما المعلومات التي توفرها علامة التبويب "تحليل" في جداول AutoML؟
- كيف يمكن للمستخدمين استيراد بيانات التدريب الخاصة بهم إلى جداول AutoML؟
- ما هي أنواع البيانات المختلفة التي يمكن أن تتعامل معها جداول AutoML؟