過学習は、モデルがトレーニング データに対して厳密にトレーニングされすぎると発生し、トレーニング データに対しては非常に優れたパフォーマンスを示すモデルが、新しいデータに対してはパフォーマンスが低下します。これは、モデルがトレーニング データに近づきすぎてトレーニングされているため、学習したパターンを新しいデータに一般化できないためです。過剰適合を回避するために、ML チームは、モデルがトレーニング データで過剰にトレーニングされていないこと、および新しいデータで良好なパフォーマンスを発揮できる十分な汎化能力を備えていることを確認する必要があります。

HPE ProLiant DL325 サーバーは、HPE Machine Learning Development System で重要な役割を果たします。これらは、Conductor や HPCM などの管理ソフトウェアをホストするために使用され、GPU を必要としない非分散トレーニング ワークロードも実行します。これらは、検証およびチェックポイントのワークロードを実行するために使用することもできます。

複数の隠れ層を含む相互接続されたノード層を備えたニューラル ネットワークに基づくモデル。ディープ ラーニング (DL) は、複数の隠れ層を含む相互接続されたノード層を持つニューラル ネットワークに基づくモデルを使用する機械学習 (ML) の一種です。これが、通常、レイヤーの少ない単純なモデルを使用する他の形式の ML との違いです。DL モデルの複数の層により、データから複雑なパターンと特徴を学習できるため、より正確で強力な予測が可能になります。

HPE Machine Learning Development Environment の主な利点の 1 つは、ハイパーパラメーター最適化 (HPO) のプロセスを自動化できることです。HPO は、トレーニング中にモデルのハイパーパラメーターを自動的に調整するプロセスであり、モデルのパフォーマンスを大幅に向上させることができます。HPE ML DE は自動化された HPO を提供し、モデルのチューニングと最適化のプロセスをより簡単かつ効率的にします。