一个可扩展的云原生超参数调优系统
分布式、并行与集群计算
2020-06-11 v2 机器学习
摘要
在本文中，我们介绍Katib：一个可扩展、云原生且可用于生产的超参数调优系统，其对底层机器学习框架无关。尽管已有多个超参数调优系统可用，但这是首个同时满足系统用户与管理员需求的系统。我们阐述了该系统的设计动机与架构，并与现有超参数调优系统进行比较，特别是在多租户、可扩展性、容错性和可扩展性方面。它可部署于本地机器，或作为服务托管于本地数据中心，或私有/公有云中。我们通过实验结果以及真实世界生产用例展示本系统的优势。Katib拥有来自多家公司的活跃贡献者，并在Apache 2.0许可下开源于\emph{https://github.com/kubeflow/katib}。
引用
@article{arxiv.2006.02085,
title = {A Scalable and Cloud-Native Hyperparameter Tuning System},
author = {Johnu George and Ce Gao and Richard Liu and Hou Gang Liu and Yuan Tang and Ramdoot Pydipaty and Amit Kumar Saha},
journal= {arXiv preprint arXiv:2006.02085},
year = {2020}
}
备注
Fixed some typos, no content change at all from previous version