Facebook用野生智能调整收集效劳器机能!

时间:2018-10-08 13:19

Facebook用野生智能调整收集效劳器机能!

PConline资讯】机械进修近些年来未被用于调整机械进修自己的机能,这么为何不消机械进修来进步收集效劳器的机能呢?

Facebook的研讨职员便是如许作的,他们周一颁发了有闭用机械进修调整运转在社交收集效劳器底子举措措施上的效劳器设置的文章。

BenjaminLetham、BrianKarrer、GuilhermeOttoni以及EytanBakshy的文章颁发在_BayesianAnalysis_期刊上,做者还在Facebook的野生智能研讨专客上发了专文。

Facebook与所有互联网效劳同样也运转所谓的A/B测试,目标是评价效劳器在各个变质产生变迁时的运转环境。有些人调整过分歧版原的网页,例如转变按钮的外观或者文原的结构,他们就知讲,调整(例如在一个贸易网站上的调整)可以优化诸如点击率或者购物车运用之类的器械。

Facebook的迷信家在那项研讨中研讨了及时临盆体系(JIT:Just-in-time)编译器选项的转变对机能的影响,编译器将Python转换为Facebook用于提求HTTP哀求的开源Web效劳器内的原机x86效劳器代码,即“HipHop虚构机”。

例如,可以将JIT设置为执行给定代码块的内嵌之类的操做。如许的调整会令代码更大些,是以必要进行A/B测试,缘故原由是更大的代码会耗费更多的效劳器内存,于是有需要肯定是否值患上如许作。

文章的做者用了名为“贝叶斯阐发”的办法,贝叶斯阐发是一种机械进修算法,根本思惟是弱调运用曩昔或者先前的信息来肯定最好办理计划。贝叶斯阐发在曩昔十年里被普遍用来优化“超参数”机械进修,例如用来肯定批质的巨细或者进修速率参数的巨细。因为贝叶斯优化可以取代人手作超参数设计的苦差事,有人将用了贝叶斯优化的机械进修称为“主动化”机械进修。

文章的做者在运用JIT编译器的设置运转A/B测试时在各类分歧之处用了贝叶斯。如许作最大的利益是速率。因为必需在临盆情况中进行测试以察看分歧设置的影响,是以愿望可以或许快捷实现测试,以便将变动进一步用于收集效劳器。

做者在文章里表现,典型的A/B测试是在每一一次只测试一个设置装备摆设的转变,而贝叶斯优化则“容许咱们用更少的测试配合调整更多的参数并找到更好的值。”

那里的症结是“配合”那个词:贝叶斯机造可以从给定的A/B测试揣摸支其他参数,以缩小“可行的“设置装备摆设,于是无需进行响应的现实A/B测试就能解除某些设置装备摆设选择。做者用了普遍搜刮才能的字眼,称“持续空间里参数值的测试没有仅为咱们提求了闭于那些参数成果的信息,并且还提求了闭于邻近点的信息。”贝叶斯模子可以早年期测试成果中得到了新的履历数据,那些履历数据又可以用于进一步缩小搜刮潜在最优设置装备摆设的规模,是以整个A/B测试慢慢地就愈来愈高效了。