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 further feedback, please let us know.
Sorry to hear that. Please tell us how we can improve.