Google Cloud ML Engine：超参数调整成本作为 MaxParallelTrials 的函数
Google Cloud ML Engine: Hyperparameter Tuning Cost as Function of MaxParallelTrials
关于 ML 引擎上的超参数调整的快速问题。假设我将 maxParallelTrials 设置为小于我正在使用的 ML Engine 实例上的内核数的值，那么以下两者之间的成本是否存在差异：
maxTrials: 20
maxParallelTrials: 1
和
maxTrials: 80
maxParallelTrials: 4
因为他们应该花费基本相同的时间？还是使用的内核数量是计算消耗的 ML 单位的一个因素？
谢谢！
如果他们花费相同的时间，应该没有任何差异（可能会有一点开销）。
使用的内核数量不是一个因素。 ML 单位是根据您选择的区域和规模层计算的。
Training pricing是根据这个公式计算出来的：
(training units * base price / 60) * job duration in minutes
其中 training units 取决于您 select 的规模层和区域，base price 取决于区域。例如，在美国使用 PREMIUM_1 规模等级进行培训，培训单位为 49.323，基本价格为 0.49 美元。您可以找到完整的定价 table here.
关于 ML 引擎上的超参数调整的快速问题。假设我将 maxParallelTrials 设置为小于我正在使用的 ML Engine 实例上的内核数的值，那么以下两者之间的成本是否存在差异：
maxTrials: 20
maxParallelTrials: 1
和
maxTrials: 80
maxParallelTrials: 4
因为他们应该花费基本相同的时间？还是使用的内核数量是计算消耗的 ML 单位的一个因素？
谢谢！
如果他们花费相同的时间，应该没有任何差异（可能会有一点开销）。
使用的内核数量不是一个因素。 ML 单位是根据您选择的区域和规模层计算的。
Training pricing是根据这个公式计算出来的：
(training units * base price / 60) * job duration in minutes
其中 training units 取决于您 select 的规模层和区域，base price 取决于区域。例如，在美国使用 PREMIUM_1 规模等级进行培训，培训单位为 49.323，基本价格为 0.49 美元。您可以找到完整的定价 table here.