株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下、PFN）は、オープンソースソフトウェア（OSS）の機械学習向けハイパーパラメータ自動最適化フレームワークOptuna™（オプチュナ）の初のメジャーバージョンとなるv1.0を公開しました。Optuna β版のコードをほとんど変更することなく、そのまま動作させることが可能です。

機械学習、深層学習において高精度の訓練済みモデルを獲得するために、訓練時のアルゴリズムの挙動を制御する複雑なハイパーパラメータ*1 の最適化は不可欠です。

Optunaは、ハイパーパラメータを最適化するための試行錯誤を自動化し、優れた性能を発揮するハイパーパラメータの値を自動的に発見します。2018年12月にβ版をOSS公開して以来、多くのコントリビュータに開発協力をいただきながら、OSSコミュニティやPFN社内のユーザーニーズを取り入れ、多くの新機能を追加しました。

Optuna v1.0 の主要な機能は下記のとおり：

• 最新の最適化アルゴリズムによる効率的な探索を実現
• PyTorch、TensorFlow、Keras、FastAI、scikit-learn、LightGBM、XGBoost を含む様々な機械学習ライブラリに対応
• 複数の計算機での並列実行をサポートし、最適化時間を大幅に短縮
• 探索空間を Python の制御構文で記述可能
• 様々な可視化手段を提供し、最適化結果を多面的に分析

Optuna公式Webサイト（英語）： https://optuna.org/

Optunaの開発は、外部コントリビュータの開発成果を数多く取り入れています。PFNは今後も、最新の機械学習研究の成果を迅速に取り入れ、OSSコミュニティと連携しながらOptunaの開発・普及を推進してまいります。

*1：学習率やバッチサイズ、学習イテレーション数、ニューラルネットワークの層数、チャンネル数といった様々なものがハイパーパラメータとなる

機械学習向けハイパーパラメータ自動最適化フレームワークOptuna™について

Optunaは、Pythonで書かれたハイパーパラメータ自動最適化フレームワークとして、PFNが2018年12月にオープンソース化しました。Optunaは、優れた性能を発揮するハイパーパラメータを見つけるための試行錯誤を自動化します。すでに、PFNの様々なプロジェクトで使用され、物体検出コンペティションKaggle Open Imagesでは、チームPFDetの上位入賞に大きく貢献しています。
(https://optuna.org/)