Core Concepts
深層学習のハイパーパラメータ最適化を効率的に行うためのPythonパッケージを導入し、従来手法に比べて1000倍以上の高速化を実現。
Abstract
深層学習の成功はハイパーパラメータ(HP)の厳密な選択に依存しており、HP最適化(HPO)は時間とエネルギーがかかる。しかし、ゼロコストベンチマークは並列セットアップでは不十分であり、各ワーカーが正確な評価を返すために待機する必要がある。この問題に対処するため、ファイルシステム内の情報を基に正確な返却順序を計算し、長い待ち時間を排除してHPO評価を大幅に高速化するアプローチが紹介されています。さらに、6つの人気HPOライブラリとの実験で、従来手法と比較して1000倍以上のスピードアップが実現されました。
Quotes
"While zero-cost benchmarks reduce energy usage and runtime in many cases, they may not benefit easily in experiments considering runtimes between parallel workers."
"Our package can achieve over 1000x speedup compared to a traditional approach."
"Our wrapper successfully replicates the results obtained by the naïve simulation."