Documentation
中文 (简体)
搜索文档…
⌃K
中文 (简体)
Weights & Biases
Quickstart (快速上手)
Examples (示例)
Library (库)
Integrations (集成)
Dashboard
Reports (报告)
Sweeps
Sweeps Quickstart
Example Sweep
Sweep from an existing project
Configuration
Sweep from Jupyter Notebook
Local Controller
Ray Tune Sweeps
Visualize Sweep Result
Artifacts
Self Hosted
Company (公司)
Marketing Site
由
GitBook
提供支持
Sweeps
超参数搜索和模型优化
使用“权阈”(Weights & Biases)扫描器自动执行超参数优化并探索可能的模型。
使用W&B Sweeps的好处
1.
快速设置
:仅需几行代码,即可运行W&B sweep。
2.
透明
:我们引用了所有正在使用的算法,并且
我们的代码是开源的
。
3.
强大:
我们的sweep完全可定制和配置。您可以在数十台计算机上启动扫描,就像在笔记本电脑上启动扫描一样简单。
常见用例
1.
探索
:有效地采样超参数组合的空间,以发现有希望的区域,建立有关模型的直觉。
2.
优化
:使用sweep查找一组具有最佳性能的超参数。
3.
K-fold cross validation
: K-fold交叉验证:这是使用W&B Sweeps进行K-fold交叉
验证的
简短代码示例。
方法
1.
添加wandb
:在Python脚本中,添加几行代码来记录脚本的超参数和输出度量。
现在开始→
2.
写配置:
定义要扫描的变量和范围。选择搜索策略——我们支持网格搜索(grid search),随机搜索(random search)和贝叶斯搜索(Bayesian search)以及早期停止。在此
处查
看一些示例配置。
3.
初始化扫描器
:启动扫描服务器。 我们管理此中央控制器,并在执行扫描的代理之间进行协调。
4.
启动代理:
在要用于扫描中的每台计算机上运行此命令。代理询问中央扫描服务器接下来要尝试哪些超参数,然后执行运行。
5.
可视化结果
:打开实时仪表板,在一个中央位置查看所有结果。
以前
Reports (报告)
下一个
Sweeps Quickstart
最近更新
2yr ago