スイープについて詳しく学ぶ
役立つSweepsの情報源のコレクション。
less than a minute
Academic papers
Li, Lisha, et al. “Hyperband: A novel bandit-based approach to hyperparameter optimization.” The Journal of Machine Learning Research 18.1 (2017): 6765-6816.
Sweep Experiments
次の W&B Reports では、W&B Sweeps を使用したハイパーパラメータ最適化を探るプロジェクトの例を紹介しています。
- Drought Watch Benchmark Progress
- 説明: ベースラインの開発と Drought Watch ベンチマークへの提出を探ります。
- Tuning Safety Penalties in Reinforcement Learning
- 説明: 3つの異なるタスクで異なる副作用ペナルティを持つエージェントを訓練します:パターン生成、パターン削除、およびナビゲーション。
- Meaning and Noise in Hyperparameter Search with W&B Stacey Svetlichnaya
- 説明: 信号を想像上のパターン(パレイドリア)からどのように区別しますか?この記事は、W&Bで何が可能かを示し、さらなる探索を促すことを目的としています。
- Who is Them? Text Disambiguation with Transformers
- 説明: 自然言語理解のためのモデルを探索するために Hugging Face を使用します。
- DeepChem: Molecular Solubility
- 説明: ランダムフォレストとディープネットを使用して分子構造から化学的特性を予測します。
- Intro to MLOps: Hyperparameter Tuning
- 説明: ハイパーパラメータ最適化がなぜ重要かを探り、機械学習モデルのハイパーパラメータチューニングを自動化するための3つのアルゴリズムを見てみましょう。
selfm-anaged
次のハウツーガイドでは、W&B を使用して現実世界の問題を解決する方法を示しています:
- Sweeps with XGBoost
- 説明: XGBoost を使用したハイパーパラメータチューニングに W&B Sweeps を使用する方法。
Sweep GitHub repository
W&B はオープンソースを推奨し、コミュニティからの貢献を歓迎します。GitHub リポジトリは https://github.com/wandb/sweeps で見つけることができます。W&B オープンソース リポジトリへの貢献方法については、W&B GitHub Contribution guidelines を参照してください。
フィードバック
このページは役に立ちましたか?
Glad to hear it! If you have more to say, please let us know.
Sorry to hear that. Please tell us how we can improve.