> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# balayage()
export const GitHubLink = ({url}) =>
Source GitHub
;
### fonction `sweep`
```python theme={null}
sweep(
sweep: 'dict | Callable',
entity: 'str | None' = None,
project: 'str | None' = None,
prior_runs: 'list[str] | None' = None
) → str
```
Initialisez un balayage d'hyperparamètres.
Recherchez les hyperparamètres qui optimisent une fonction de coût d'un modèle d'apprentissage automatique en testant différentes combinaisons.
Notez bien l'identifiant unique `sweep_id` renvoyé. Lors d'une étape ultérieure, fournissez le `sweep_id` à un agent de balayage.
Voir la [structure de configuration d'un balayage](https://docs.wandb.ai/models/sweeps/define-sweep-configuration) pour savoir comment définir votre balayage.
**Arguments :**
* `sweep`: La configuration d'une recherche d'hyperparamètres (ou un générateur de configuration). Si vous fournissez un callable, assurez-vous qu'il ne prend pas d'arguments et qu'il renvoie un dictionnaire conforme à la spécification de configuration des balayages W\&B.
* `entity`: Le nom d'utilisateur ou le nom de l'équipe vers lequel vous souhaitez envoyer les runs W\&B créés par le balayage. Assurez-vous que l'entité que vous spécifiez existe déjà. Si vous ne spécifiez pas d'entité, le run sera envoyé à votre entité par défaut, qui correspond généralement à votre nom d'utilisateur.
* `project`: Le nom du projet vers lequel sont envoyés les runs W\&B créés à partir du balayage. Si le projet n'est pas spécifié, le run est envoyé à un projet intitulé 'Uncategorized'.
* `prior_runs`: Les ID des runs existants à ajouter à ce balayage.
**Retourne :**
* `str`: Un identifiant unique pour le balayage.