Facebook开源框架如何简化 PyTorch 实验

作者 | Jesus Rodriguez 译者 | 刘志勇策划 | 李冬梅简化从实验到生产的周期是现代机器学习应用中最难实现的事情之一。在市场上的深度学习框架中，Facebook 孵化的 PyTorch 因其快速建模和运行实验的灵活性，从而成为数据科学界的宠儿。然而，深度学习应用实验的许多挑战超出了特定框架的能力。数据科学家评估不同模型或超参数配置的能力，通常会受到运行这些实验所需的昂贵计算资源和时间的阻碍。几个月前，Facebook 开源了两个新工具，旨在简化 PyTorch 应用中的自适应实验：Ax：是一个可访问的通用平台，用于理解、管理、部署和自动化自适应实验。BoTorch：基于 PyTorch，是一个灵活的、现代的库，用于贝叶斯优化，这是一种数据高效全局优化的概率方法。这两 ………………………………