160-alpha挖掘大杀器——并行模块tune
由qxiao创建，最终由qxiao 被浏览 10 用户
导语
平台有大量算力，但是个人开发环境算力有限，因此怎样将一份AI策略，修改下模型策略的参数，让他在远程集群环境运行呢，比如我模型学习率是0.01 ，希望在0-1整数之间按0.01遍历呢？
这里有100种情形，100组参数。如果每组参数要跑10分钟，那跑100组参数的时间太长了，接近16个小时，这大大影响策略投研效率，因此本文介绍平台最近优化的并行模块tune.我们可以在几十分钟就完成16个小时的事情，这也是并行模块的初衷，让您可以在短时间完成之前for循环模式需要大量运行时间的任务。
模块简介
M.tune是一个并行模块，之前的使用文档见：302 M.tune 调优任何代码 ，之前目录下也给出了一些示例，但建议使用本文的代码，因为本文是优化后的最新使用介绍。M.tune模块目前适用于带可视化画布的任务跑并行，这是需要单独说明的，如果您的策略是纯python代码，我们后续单独给出一个文档。
设计机制
因为M.tune是针对画布的任务进行并行，其工作机制是这样的：
每一个画布有多个可视化模块，我们并行的目的是让可视化模块的参数取不同的数值运行，因此我们需要将画布取一个名称。然后，新建一个cell，调用这个画布时，将不同的模块参数传入。
这样M.tune就实现了使用不同的参数赋予可视化的某个具体模块，让其成为一个单独的子任务，最终全部任务运行完毕，我们就知道了不同参数下的运行结果，达到我们投研的目的。
代码说明
我们先通过模版创建一个AI可视化的策略：
我们切换到代码模式，给画布取个名称，因为后续M.tune要调用画布，所以需要传入画布名称
切换后，我们再第一行代码里，使用两个百分号加字母tune开头，给画布取一个名称
上面截图可以看出，我的画布名称是 hyper_run
这里单独提示下，如果画布加了取名称的代码，那么这个画布的运行功能被屏蔽了，如果运行的话，只会输出这个画布的名称，不会真实运行，如果我们要真实运行画布里模块，想看模块的运行结果，需要把取名称的这一行代码去掉（即将两个百分号+tune这一行代码去掉）
接下来就是重点，如何使用M.tune调用画布代码
这里没有什么特别说明的，因为上图截图注释已经非常详细了，上图是希望对m5这个训练模块的参数进行按不同的参数值进行并行运行，分别是两个参数：叶节点数量和学习率
可能小伙伴会疑惑，那我怎么知道这俩参数的参数名称是什么呢？怎么看呢？很简单，咱们切换到代码模式，找到对应模块，就知道参数名称了
最后，我们直接调用M.tune模块，参数的数量就是任务的数量，本例子是120个任务。
运行完成后，全部结果都在result变量中（因为上面代码我们定义是result=M.tune），我们可以使用Python代码直接查看或者画图，画图可以按自己需求来，热力图、柱状图、表格图都行，这里我们是柱状图举例
横轴表示第几个子任务
比如我们看到数值最高的柱子是第21个子任务，我们通过位置就能看出是哪组参数：
可以看出15、0.2是最佳参数，那我们模拟交易就可以使用这组参数了。
值得注意的是：这个代码不能直接提模拟交易，因为这个是研究代码，因此你需要把画布取名的代码去掉或者注释掉，把下面M.tune代码删除，然后将m5叶子节点数手动改为15，学习率改为0.2，才能提交模拟交易。
\
性能说明
本例是120组任务，每组子任务运行时长是58.02秒，总共花了116分钟。单独运行一个子任务是需要10分钟左右，相当于我们把10分钟的任务提速到1分钟完成，效果还是非常明显，确实是大杀器
克隆代码
下面代码可以克隆，但不能提交模拟交易哈，只是投研用来研究跑并行的代码，如果要提模拟和实盘交易，你需要把画布取名的代码去掉或者注释掉，把下面M.tune代码删除，然后将m5叶子节点数手动改为15，学习率改为0.2。
https://bigquant.com/codesharev3/b6c82557-d969-4ae6-8baf-608f39300d3d
\