다음을 통해 공유

MedianStoppingPolicy 클래스

  • 참조

모든 실행의 기본 메트릭의 실행 평균을 기반으로 조기 종료 정책을 정의합니다.

MedianStoppingPolicy를 초기화합니다.

상속
azureml.train.hyperdrive.policy.EarlyTerminationPolicy
MedianStoppingPolicy

생성자

MedianStoppingPolicy(evaluation_interval=1, delay_evaluation=0)

매개 변수

Name Description
evaluation_interval
int

정책 적용에 대한 빈도입니다.

기본값: 1
delay_evaluation
int

첫 번째 정책 평가를 지연할 간격의 수입니다. 지정된 경우 정책은 delay_evaluation보다 크거나 같은 모든 evaluation_interval에 적용됩니다.

기본값: 0
evaluation_interval
필수
int

정책 적용에 대한 빈도입니다.
delay_evaluation
필수
int

첫 번째 정책 평가를 지연할 간격의 수입니다. 지정된 경우 정책은 delay_evaluation보다 크거나 같은 모든 evaluation_interval에 적용됩니다.

설명

중앙값 중지 정책은 모든 실행에서 실행 평균을 계산하고 최고 성능이 실행 평균의 중앙값보다 좋지 않은 실행을 종료합니다. 특히 간격 N까지 보고된 최상의 기본 메트릭이 모든 실행에서 간격 1:N에 대한 실행 평균의 중앙값보다 더 나쁜 경우 N 간격으로 실행이 취소됩니다.

중앙값 중지 정책은 다음과 같은 선택적 구성 매개 변수를 사용합니다.

  • evaluation_interval: 정책 적용에 대한 빈도입니다. 학습 스크립트에서 기본 메트릭을 기록할 때마다 한 번의 간격으로 계산됩니다.

  • delay_evaluation: 정책 평가를 지연하는 간격의 수입니다. 학습 실행의 조기 종료를 방지하려면 이 매개 변수를 사용합니다. 지정된 경우 정책은 delay_evaluation보다 크거나 같은 모든 evaluation_interval에 적용됩니다.

이 정책은 연구 간행물인 Google Vizier: A Service for Black-Box Optimization(Google Vizier: Black-Box 최적화를 위한 서비스)에서 영감을 얻은 것입니다.

가능성이 높은 작업을 종료하지 않고 비용 절감을 제공하는 보수적인 정책을 원하는 경우 evaluation_interval 1 및 delay_evaluation 5의 중앙값 중지 정책을 사용할 수 있습니다. 이는 일반적인 설정이며, 기본 메트릭에서 손실 없이 약 25%-35% 절감을 제공할 수 있습니다(계산 데이터에 따라).

특성

delay_evaluation

첫 번째 평가가 지연되는 시퀀스 수의 값을 반환합니다.

반환

형식 Description
int

지연 평가입니다.

evaluation_interval

평가 간격 값을 반환합니다.

반환

형식 Description
int

평가 간격입니다.

POLICY_NAME 

POLICY_NAME = 'MedianStopping'