Skip to content

GitLab

Switch branch/tag
Find file Normal viewHistoryPermalink
HpoComparision.md 7.56 KB
Newer Older
Chi Song's avatar
Chinese translation (#1166)  
Chi Song committed
1
2
3
4
5
6
7
8 
# 超参数优化的对比

*匿名作者*

超参优化算法在几个问题上的对比。

超参数优化算法如下：
Chi Song's avatar
Chinese translation (#1278)  
Chi Song committed
9
10
11
12
13
14
15
16
17 
- [Random Search（随机搜索）](../Tuner/BuiltinTuner.md)
- [Grid Search（遍历搜索）](../Tuner/BuiltinTuner.md)
- [Evolution](../Tuner/BuiltinTuner.md)
- [Anneal（退火算法）](../Tuner/BuiltinTuner.md)
- [Metis](../Tuner/BuiltinTuner.md)
- [TPE](../Tuner/BuiltinTuner.md)
- [SMAC](../Tuner/BuiltinTuner.md)
- [HyperBand](../Tuner/BuiltinTuner.md)
- [BOHB](../Tuner/BuiltinTuner.md)
Chi Song's avatar
Chinese translation (#1166)  
Chi Song committed
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36 

所有算法都在 NNI 本机环境下运行。

环境：

    OS: Linux Ubuntu 16.04 LTS
    CPU: Intel(R) Xeon(R) CPU E5-2690 v3 @ 2.60GHz 2600 MHz
    Memory: 112 GB
    NNI Version: v0.7
    NNI 模式(local|pai|remote): local
    Python 版本: 3.6
    使用的虚拟环境: Conda
    是否在 Docker 中运行: no
    

## AutoGBDT 示例

### 问题描述
Chi Song's avatar
Chinese translation (#1278)  
Chi Song committed
37 
超参搜索上的非凸问题 [AutoGBDT](../TrialExample/GbdtExample.md)。
Chi Song's avatar
Chinese translation (#1166)  
Chi Song committed
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100 

### 搜索空间

```json
{
  "num_leaves": {
    "_type": "choice",
    "_value": [10, 12, 14, 16, 18, 20, 22, 24, 28, 32, 48, 64, 96, 128]
  },
  "learning_rate": {
    "_type": "choice",
    "_value": [0.00001, 0.0001, 0.001, 0.01, 0.05, 0.1, 0.2, 0.5]
  },
  "max_depth": {
    "_type": "choice",
    "_value": [-1, 2, 3, 4, 5, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 28, 32, 48, 64, 96, 128]
  },
  "feature_fraction": {
    "_type": "choice",
    "_value": [0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2]
  },
  "bagging_fraction": {
    "_type": "choice",
    "_value": [0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2]
  },
  "bagging_freq": {
    "_type": "choice",
    "_value": [1, 2, 4, 8, 10, 12, 14, 16]
  }
}
```

总搜索空间为 1, 204, 224 次，将最大 Trial 次数设置为1000。 时间限制为 48 小时。

### 结果

| 算法            | 最好的损失值       | 最好的 5 次损失的平均值 | 最好的 10 次损失的平均 |
| ------------- | ------------ | ------------- | ------------- |
| Random Search | 0.418854     | 0.420352      | 0.421553      |
| Random Search | 0.417364     | 0.420024      | 0.420997      |
| Random Search | 0.417861     | 0.419744      | 0.420642      |
| Grid Search   | 0.498166     | 0.498166      | 0.498166      |
| Evolution     | 0.409887     | 0.409887      | 0.409887      |
| Evolution     | 0.413620     | 0.413875      | 0.414067      |
| Evolution     | 0.409887     | 0.409887      | 0.409887      |
| Anneal        | 0.414877     | 0.417289      | 0.418281      |
| Anneal        | 0.409887     | 0.409887      | 0.410118      |
| Anneal        | 0.413683     | 0.416949      | 0.417537      |
| Metis         | 0.416273     | 0.420411      | 0.422380      |
| Metis         | 0.420262     | 0.423175      | 0.424816      |
| Metis         | 0.421027     | 0.424172      | 0.425714      |
| TPE           | 0.414478     | 0.414478      | 0.414478      |
| TPE           | 0.415077     | 0.417986      | 0.418797      |
| TPE           | 0.415077     | 0.417009      | 0.418053      |
| SMAC          | **0.408386** | **0.408386**  | **0.408386**  |
| SMAC          | 0.414012     | 0.414012      | 0.414012      |
| SMAC          | **0.408386** | **0.408386**  | **0.408386**  |
| BOHB          | 0.410464     | 0.415319      | 0.417755      |
| BOHB          | 0.418995     | 0.420268      | 0.422604      |
| BOHB          | 0.415149     | 0.418072      | 0.418932      |
| HyperBand     | 0.414065     | 0.415222      | 0.417628      |
| HyperBand     | 0.416807     | 0.417549      | 0.418828      |
| HyperBand     | 0.415550     | 0.415977      | 0.417186      |
Chi Song's avatar
Chinese Translation (#1198)  
Chi Song committed
101
102
103 
| GP            | 0.414353     | 0.418563      | 0.420263      |
| GP            | 0.414395     | 0.418006      | 0.420431      |
| GP            | 0.412943     | 0.416566      | 0.418443      |
Chi Song's avatar
Chinese translation (#1166)  
Chi Song committed
104
Chi Song's avatar
Chinese Translation (#1198)  
Chi Song committed
105 
此例中，所有算法都使用了默认参数。 Metis 算法因为其高斯计算过程的复杂度为 O(n^3) 而运行非常慢，因此仅执行了 300 次 Trial。
Chi Song's avatar
Chinese translation (#1166)  
Chi Song committed
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220 

## RocksDB 的 'fillrandom' 和 'readrandom' 基准测试

### 问题描述

[DB_Bench](https://github.com/facebook/rocksdb/wiki/Benchmarking-tools) 是用来做 [RocksDB](https://rocksdb.org/) 性能基准测试的工具。 有多个参数需要调优。

`DB_Bench` 的性能与计算机配置和安装方法有关。 在 `DB_Bench` Linux 系统上运行，并将 Rock 作为共享库安装。

#### 计算机配置

    RocksDB:    version 6.1
    CPU:        6 * Intel(R) Xeon(R) CPU E5-2690 v4 @ 2.60GHz
    CPUCache:   35840 KB
    Keys:       16 bytes each
    Values:     100 bytes each (50 bytes after compression)
    Entries:    1000000
    

#### 存储性能

**延迟**：每个 IO 请求都需要一些时间才能完成，这称为平均延迟。 有几个因素会影响此时间，包括网络连接质量和硬盘IO性能。

**IOPS**： **每秒的 IO 操作数量**，这意味着可以在一秒钟内完成的*读取或写入操作次数*。

**IO 大小**： **每个 IO 请求的大小**。 根据操作系统和需要磁盘访问的应用程序、服务，它将同时发出读取或写入一定数量数据的请求。

**吞吐量（以 MB/s 为单位）= 平均 IO 大小 x IOPS **

IOPS 与在线处理能力有关，我们在实验中使用 IOPS 作为指标。

### 搜索空间

```json
{
  "max_background_compactions": {
    "_type": "quniform",
    "_value": [1, 256, 1]
  },
  "block_size": {
    "_type": "quniform",
    "_value": [1, 500000, 1]
  },
  "write_buffer_size": {
    "_type": "quniform",
    "_value": [1, 130000000, 1]
  },
  "max_write_buffer_number": {
    "_type": "quniform",
    "_value": [1, 128, 1]
  },
  "min_write_buffer_number_to_merge": {
    "_type": "quniform",
    "_value": [1, 32, 1]
  },
  "level0_file_num_compaction_trigger": {
    "_type": "quniform",
    "_value": [1, 256, 1]
  },
  "level0_slowdown_writes_trigger": {
    "_type": "quniform",
    "_value": [1, 1024, 1]
  },
  "level0_stop_writes_trigger": {
    "_type": "quniform",
    "_value": [1, 1024, 1]
  },
  "cache_size": {
    "_type": "quniform",
    "_value": [1, 30000000, 1]
  },
  "compaction_readahead_size": {
    "_type": "quniform",
    "_value": [1, 30000000, 1]
  },
  "new_table_reader_for_compaction_inputs": {
    "_type": "randint",
    "_value": [1]
  }
}
```

搜索空间非常大（约10 的 40 次方），将最大 Trial 次数设置为 100 以限制资源。

### 结果

#### fillrandom 基准

| 模型        | 最高 IOPS（重复 1 次） | 最高 IOPS（重复 2 次） | 最高 IOPS（重复 3 次） |
| --------- | --------------- | --------------- | --------------- |
| Random    | 449901          | 427620          | 477174          |
| Anneal    | 461896          | 467150          | 437528          |
| Evolution | 436755          | 389956          | 389790          |
| TPE       | 378346          | 482316          | 468989          |
| SMAC      | 491067          | 490472          | **491136**      |
| Metis     | 444920          | 457060          | 454438          |

Figure:

![](../../img/hpo_rocksdb_fillrandom.png)

#### readrandom 基准

| 模型        | 最高 IOPS（重复 1 次） | 最高 IOPS（重复 2 次） | 最高 IOPS（重复 3 次） |
| --------- | --------------- | --------------- | --------------- |
| Random    | 2276157         | 2285301         | 2275142         |
| Anneal    | 2286330         | 2282229         | 2284012         |
| Evolution | 2286524         | 2283673         | 2283558         |
| TPE       | 2287366         | 2282865         | 2281891         |
| SMAC      | 2270874         | 2284904         | 2282266         |
| Metis     | **2287696**     | 2283496         | 2277701         |

Figure:

![](../../img/hpo_rocksdb_readrandom.png)