Facebook招募人工智能来调解网络服务器机能

释放双眼,带上耳机,听听看~!

近年来,机械进修已被运用来调解机械进修自身的机能,因而为何不运用它来改良在某种程度上更高的级别上的机能:Web效劳器的机能?

这是Facebook研讨人员的看法,他们周一概述了他们对运转交际收集效劳器基础设施的效劳器设置举行调解的事变。

由Benjaminethleam、BrianKarrer、GuerhermeOttoni和EytanBakshex编写的作品,在《贝叶斯剖析》中的一篇论文中给出,并在Facebook的人工智能研讨博客上宣布了一篇文章。

与一切的Internet效劳一样,Facebook运转所谓的A/B测试来衡量效劳器在此变量或该变量变动时运转的体式格局。任何看到差别版本的网页修正的人,比方转变按钮的表面,或许文本的规划,都邑熟习这类调解,以优化诸如点击率或购物车在商业网站上运用的东西。

另有:前5名:关于AI TechRepublic的事变

在本研讨的情况下,科学家们转变了立即编译器的选项,它将Python转换为Facebook用来效劳HTTP要求的开源Web效劳器内部的本机x86效劳器代码,该”Hipopp虚拟机。”

比方,能够将JIT设置为实行类似于给定代码块的在线操纵。如许的调解能够使代码的大小更大,因而须要举行A/B测试,以肯定内联代码的速率是不是值得在斲丧更多效劳器内存的情况下举行衡量。

作者运用了一种叫做“贝叶斯剖析”的要领,这是一种机械进修的情势,它强调运用过去或先前的信息来展望最优的处理方案。在过去的十年中,贝叶斯已被用来优化机械进修自身的“超参数”,比方批量大小的大小或进修速率的速率。因为如许的贝叶斯优化能够消弭设想超参数的烦琐事变,比方,有一组人将贝叶斯优化称为“自动化”机械进修的一种要领。

Facebook作者用贝叶斯要领在差别的差别位置对JIT编译器的设置举行A/B测试。最大的上风是速率。因为必需在生产环境中举行测试,以视察差别设置的效果,因而,在疾速完成测试的过程当中,有一个分外的上风,以便跟着对Web效劳器的变动而向前挪动。

作者以为,与典范的A/B测试比拟,在一次测试设置的单一变化时,贝叶斯优化”许可我们用更少的试验配合调谐更多的参数,并找到较好的值。”

这里的关键是Word”团结”:贝叶斯机制消除了某些设置的挑选,而没必要实际运转这些设置作为A/B测试,从给定的A/B测试到其他参数举行外推,以削减”可行的”设置的数目。跟着作者对这个普遍的搜刮才能的明白,在一连空间中对参数值的测试不仅给出了它的效果,而且给出了四周点的信息。当举行试验时,贝叶斯模子获得了新的体验数据,从而进一步削减搜刮的潜伏最优设置,因而全部A/B测试事件跟着IT的生长而变得越发高效。

另有:谷歌的姐妹公司用人工智能CNET匹敌蚊子

贝叶斯优化研讨的一个新贡献是处置惩罚噪声。作者指出,与优化机械进修收集的使命差别,在A/B试验中测试效劳器设置时,测试效果的丈量都存在很大的噪声–实际天下中的效劳器可能会因设置的变化而发生种种机能影响,而且还存在“噪音”限定,比方须要将效劳器的内存运用保持在合理的范围内。他们在贝叶斯算法中提出了一种处理这类噪声的要领,他们的结论是,与其他范例的贝叶斯要领比拟,新要领更轻易发生最优解。

这类A/B测试要领的一个风趣的瑕玷是,某些设置永久看不到曙光:因为贝叶斯优化剖析展望应当完整消除哪一种设置,它将从测试中消弭这些变量。作者以为这是一种潜伏的上风,因为它能够削减将用户暴露在很多差别试验中的杂沓。

人已赞赏
安全新闻

谷歌开放源代码的内部东西,用于查找与字体相干的安全漏洞

2019-11-15 0:39:18

安全新闻

Google意见奖励可在Play商店赠送金额到期时向您发出警告

2019-11-15 0:39:22

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索