Tutorial - Create sweeps from existing projects
このチュートリアルでは、既存の W&B Project から Sweep ジョブを作成する手順を説明します。Fashion MNIST dataset を使用して、PyTorch の畳み込みニューラルネットワークで画像を分類する方法を学びます。必要なコードとデータセットは、W&B のリポジトリーにあります: https://github.com/wandb/examples/tree/master/examples/pytorch/pytorch-cnn-fashion
結果をこの W&B Dashboard で確認してください。
1. プロジェクトを作成する
まず、ベースラインを作成します。W&B の GitHub リポジトリーから PyTorch MNIST データセットのサンプルモデルをダウンロードし、モデルをトレーニングします。トレーニングスクリプトは examples/pytorch/pytorch-cnn-fashion ディレクトリー内にあります。
- このリポジトリーをクローンします
git clone https://github.com/wandb/examples.git - この例を開きます
cd examples/pytorch/pytorch-cnn-fashion - 手動で run を実行します
python train.py
オプションとして、W&B アプリの UI ダッシュボードでこの例を確認できます。
2. Sweep を作成する
プロジェクトページ から、サイドバーの Sweep タブ を開き、Create Sweep を選択します。
自動生成された設定は、実行した run に基づいて Sweeps する値を推測します。設定を編集して、試したいハイパーパラメーターの範囲を指定します。sweep を開始すると、ホストされている W&B sweep server 上に新しいプロセスが開始されます。この集中型サービスは、トレーニングジョブを実行しているエージェント（マシン）を調整します。
3. エージェントを起動する
次に、エージェントをローカルで起動します。最大 20 台のマシンで並行してエージェントを起動でき、作業を分散させて Sweep ジョブをより速く完了できます。エージェントは次に試すパラメータのセットを出力します。
これで Sweep を実行している状態です。以下の画像は、例の Sweep ジョブが実行されているときのダッシュボードの様子を示しています。例のプロジェクトページを見る →
既存の run で新しい sweep を開始する
以前にログを記録した既存の run を使用して、新しい sweep を開始します。
- プロジェクトテーブルを開きます。
- テーブル左側のチェックボックスで使用したい run を選択します。
- 新しい sweep を作成するドロップダウンをクリックします。
これで sweep はサーバー上に設定されます。run を開始するには、1 台以上のエージェントを起動するだけです。
新しい sweep をベイズ sweep として開始すると、選択された run はガウス過程もシードします。