AutoML mengotomatiskan penyetelan hiperparameter dengan melakukan eksperimen, uji coba, dan tugas pelatihan untuk menemukan kombinasi hiperparameter yang optimal.
Gambar berikut mengilustrasikan mekanisme kerja AutoML.
Setelah Anda mengonfigurasi rentang nilai hiperparameter, algoritma pencarian, dan kondisi penghentian eksperimen, AutoML akan mengonfigurasi eksperimen berdasarkan parameter tersebut.
Eksperimen menghasilkan beberapa kombinasi hiperparameter berdasarkan algoritma yang telah dikonfigurasi. Setiap uji coba menggunakan satu kombinasi hiperparameter untuk melatih model.
nullAnda dapat mengonfigurasi beberapa uji coba untuk berjalan secara bersamaan guna mempercepat proses pelatihan model. Namun, hal ini akan meningkatkan biaya sumber daya.
Setiap uji coba menjalankan satu atau lebih tugas komputasi berdasarkan kombinasi hiperparameter tertentu. Tugas-tugas ini dapat berupa DLC job yang dijalankan pada sumber daya komputasi umum atau sumber daya komputasi cerdas LINGJUN, atau tugas MaxCompute yang dijalankan pada sumber daya komputasi MaxCompute. Penagihan, metode konfigurasi, dan penggunaan sumber daya pelatihan bervariasi tergantung apakah tugas tersebut merupakan pekerjaan DLC atau tugas MaxCompute.
Setelah eksperimen dimulai, AutoML secara terus-menerus memantau metrik tugas.
Ketika kondisi penghentian eksperimen dipicu, seperti ketika jumlah maksimum pencarian tercapai, kondisi penghentian algoritma terpenuhi, atau semua kombinasi telah dihitung, eksperimen akan dihentikan.
AutoML mengembalikan hasilnya, yang dapat berupa kombinasi hiperparameter atau model optimal untuk setiap uji coba. Anda perlu menentukan jalur penyimpanan model untuk melihat model-model tersebut. Hasil juga dapat dilihat di log.
Sebelum memulai eksperimen, Anda perlu mengonfigurasi beberapa jenis parameter berdasarkan prinsip kerja AutoML yang telah disebutkan sebelumnya. Parameter ini mencakup konfigurasi dasar eksperimen, konfigurasi uji coba, konfigurasi tugas DLC atau MaxCompute, serta konfigurasi pencarian hiperparameter.