メインコンテンツへスキップ
このチュートリアルでは、既存の W&B 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用いて画像を分類するために Fashion MNIST dataset を使用します。必要なコードとデータセットは、W&B 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 で結果を探索してください。

​
1. プロジェクトを作成する

最初にベースラインを作成します。W&B の GitHub リポジトリから PyTorch MNIST データセットの例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。そのトレーニングスクリプトは examples/pytorch/pytorch-cnn-fashion ディレクトリーにあります。
  1. このリポジトリをクローンします git clone https://github.com/wandb/examples.git
  2. この例を開きます cd examples/pytorch/pytorch-cnn-fashion
  3. run を手動で実行します python train.py
オプションとして、W&B アプリ UI ダッシュボードで例を探索します。 例のプロジェクトページを見る →

​
2. スイープを作成する

あなたのプロジェクトページから、サイドバーの Sweep tab を開き、Create Sweep を選択します。
自動生成された設定は、完了した run に基づいてスイープする値を推測します。試したいハイパーパラメーターの範囲を指定するために設定を編集します。スイープをローンチすると、ホストされた W&B スイープサーバー上で新しいプロセスが開始されます。この集中サービスは、トレーニングジョブを実行しているエージェント（機械）を調整します。

​
3. エージェントをローンチする

次に、ローカルでエージェントをローンチします。作業を分散してスイープジョブをより早く終わらせたい場合は、最大20のエージェントを異なるマシンで並行してローンチすることができます。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、スイープを実行しています。以下の画像は、例のスイープジョブが実行されているときのダッシュボードがどのように見えるかを示しています。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ローンチします。
  1. プロジェクトテーブルを開きます。
  2. 表の左側のチェックボックスを使用して使用したい run を選択します。
  3. 新しいスイープを作成するためにドロップダウンをクリックします。
スイープはサーバー上に設定されます。run を開始するために、1つ以上のエージェントをローンチするだけです。
新しいスイープをベイジアンスイープとして開始すると、選択した run はガウスプロセスにもシードされます。
⌘I