チュートリアル - 既存のプロジェクトからスイープを作成する
このチュートリアルでは、既存のWeights & Biasesプロジェクトからスイープジョブを作成する方法を説明します。PyTorchの畳み込みニューラルネットワークを使用して、Fashion MNISTデータセットをトレーニングし、画像の分類方法を学習します。必要なコードとデータセットは、Weights & Biasesのリポジトリにあります：https://github.com/wandb/examples/tree/master/examples/pytorch/pytorch-cnn-fashion
このW&Bダッシュボードで結果を確認してください。
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。Weights & Biasesのexamples GitHubリポジトリからPyTorch MNISTデータセットのサンプルモデルをダウンロードします。次に、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ディレクトリ内にあります。
- このリポジトリをクローンする
git clone https://github.com/wandb/examples.git - この例を開く
cd examples/pytorch/pytorch-cnn-fashion - runを手動で実行する
python train.py
オプションで、W&BアプリのUIダッシュボードで例を確認します。
2. スイープを作成する
プロジェクトページから、サイドバーのスイープタブを開き、スイープを作成を選択します。
自動生成された設定では、完了したrunに基づいてスイープ対象の値を推測します。設定を編集して、試したいハイパーパラメータの範囲を指定します。スイープを開始すると、ホストされたW&Bスイープサーバーで新しいプロセスが開始されます。この一元化されたサービスは、トレーニングジョブを実行しているマシンであるエージェントを調整します。
3. エージェントの起動
次に、エージェントをローカルで起動します。分散して作業を行い、スイープジョブをより迅速に終了させたい場合、異なるマシンで最大20のエージェントを同時に起動できます。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。
これでスイープが実行されています。次の画像は、ダッシュボードが例示されたスイープジョブが実行されている時の様子です。例のプロジェクトページを表示 →
既存のrunで新しいスイープをシードする
以前にログした既存のrunを使用して、新しいスイープを開始します。
- プロジェクトテーブルを開きます。
- テーブルの左側にあるチェックボックスで、使用するrunを選択します。
- ドロップダウンをクリックして、新しいスイープを作成します。
スイープはこれでサーバー上に設定されます。あとは、1つ以上のエージェントを起動してrunを開始するだけです。
新しいスイープをベイズ探索として開始する場合、選択されたrunはガウス過程もシードします。