Facebook lance Ax et BoTorch : deux outils dédiés à l’optimisation de modèles de Machine Learning. Auparavant, ces outils étaient déjà utilisés en interne. À présent, Facebook les propose en open source afin de profiter des contributions des chercheurs du monde entier.
Le Machine Learning est une technologie de plus en plus utilisée par les entreprises de toutes les industries. Dans ce contexte, Facebook avait lancé à l’automne 2018 PyTorch : une bibliothèque de Machine Learning open source pour Python, basée sur Torch. Plus récemment, l’entreprise de Mark Zuckerberg a lancé les outils PyTorch BigGraph, PyTorch Geometric ou encore BigGAN-PyTorch.
Dans le cadre de la conférence F8 2019, Facebook vient de lancer deux nouveaux outils en open source : Ax, et BoTorch. Il s’agit d’outils dédiés à l’optimisation de modèles de Machine Learning.
Le premier outil, intitulé BoTorch, est basé sur la bibliothèque d’optimisation bayésienne PyTorch. Il vise à simplifier et à accélérer l’optimisation de modèles de Machine Learning pour les Data Scientists. D’ordinaire, l’optimisation requiert de multiples tentatives successives, de nombreuses expériences qui se solderont par un échec avant de parvenir au résultat escompté. Avec BoTorch, le processus d’expérimentation est automatisé.
Il ne s’agit en aucun du premier outil d’optimisation bayésienne. Cependant, selon Facebook, les bibliothèques existantes sont difficiles à étendre et à personnaliser. BoTorch répond à cette problématique.
Facebook Ax : une plateforme d’automatisation des expériences de Machine Learning
Le second outil lancé par Facebook, Ax, est plus généraliste. Il s’agit d’une plateforme basée sur PyTorch et permettant de gérer, de déployer et d’automatiser les expériences d’intelligence artificielle.
Elle s’appuie sur les fonctionnalités de BoTorch afin d’optimiser le paramétrage et le réglage des modèles. Ainsi, grâce à ces deux outils complémentaires, les développeurs peuvent se focaliser sur la mise en production de leurs services.
Ces deux outils » d’expérimentation adaptative « peuvent être utilisés conjointement. En effet, avant de les lancer en open source, Facebook les utilisait en interne pour différentes tâches allant de l’optimisation de l’infrastructure back-end d’Instagram à l’amélioration du taux de réponse à ses sondages d’utilisateurs.
Facebook utilise aussi Ax avec des outils de simulations et de testing A/B. Pendant que l’expérience est lancée, Ax peut choisir automatiquement la meilleure stratégie d’optimisation. Il peut s’agir de l’optimisation bayésienne, mais aussi de l’optimisation bandit ou de tout autre algorithme.
Il convient d’ailleurs de noter que Ax n’est pas lié à un framework spécifique. Il peut utiliser BoTorch, mais peut aussi être connecté par des chercheurs à leur propre code en utilisant les interfaces PyTorch et NumPy du service.
Selon ses dires, Facebook a choisi de proposer ces outils en open source pour pouvoir collaborer avec les meilleurs chercheurs du domaine. L’objectif de la firme est bien évidemment d’ouvrir ses outils aux contributions afin de profiter en interne des améliorations apportées. D’ailleurs, la première » release » a été développée en collaboration avec la Cornelle University…
En parallèle, Facebook vient aussi de lancer la version 1.1 de PyTorch avec le support natif de TensorBoard pour la visualisation Machine Learning. Cette nouvelle version améliore aussi la vitesse ds performances pour le compilateur JIT.
https://www.youtube.com/watch?v=i0mU2nqTjlU
- Partager l'article :