备注
不再维护 Hyperopt 的开源版本。
Hyperopt 将在下一个主要 DBR ML 版本中被删除。 Azure Databricks 建议使用 Optuna 来进行单节点优化,或者使用 RayTune 来获得与已弃用的 Hyperopt 分布式超参数优化功能类似的体验。 详细了解如何在 Azure Databricks 上使用 RayTune。
此笔记本展示如何使用 Hyperopt 并行优化超参数计算。 它使用 SparkTrials
类在集群工作节点之间自动分配计算。 它还演示了对 Hyperopt 运行进行自动化 MLflow 跟踪的方法,以便您可以将结果保存以供日后使用。
使用自动化 MLflow 跟踪笔记本并行优化超参数
在笔记本的最后一个单元格中执行操作后,MLflow UI 应显示: