Weights & Biases、機械学習モデル最適化フレームワーク「Optuna」と連携

　Weights&Biasesは6月28日、機械学習モデルの最適化フレームワーク「Optuna」との連携機能を発表した。これより、Optunaの最適化アルゴリズムをモデル開発コードに適用し、その結果をリアルタイムでダッシュボード上で確認することができる。また、オンプレミスやクラウドにある計算リソースを効果的にモデルの精度向上のために割り当てることができるようになる。

　「Weights & Biasesプラットフォーム（以下、wandb）」は以前より、ハイパーパラメーター探索の自動化を行うスイープ機能を提供してきた。

　今回、同プラットフォームとのインテグレーションの発表されたOptunaはハイパーパラメーターの最適化を自動化するためのオープンソースフレームワークである。ベイズ最適化を含む多様なスケジューラーと、サンプリングやプルーニングの手法を組み合わせて、効率的に最適なハイパーパラメーターを探索することが特徴。

　3月に発表されたwandbの「ローンチ」機能と組み合わせ、簡潔なコンフィグレーションファイルを定義することで、モデルの精度を向上させることができる。

　ローンチ機能は、定義されたモデル開発ジョブを実行環境とともにコンテナ化し、利用可能な任意の計算リソースで実行するためのジョブキューを提供している。ジョブキューはDockerが有効になっているローカル環境だけでなく、Kubernetesクラスターをキューの実行対象として指定することができるため、ジョブをボタン一つで並列処理環境に展開することができる。