チュートリアル： Project から Sweep ジョブを作成する

既存の W&B プロジェクトから Sweep ジョブを作成する方法に関するチュートリアルです。

このチュートリアルでは、既存の W&B Projects から Sweeps ジョブを作成する方法を説明します。 Fashion MNIST dataset を使用して、画像を分類するための PyTorch 畳み込みニューラルネットワークをトレーニングします。必要な コード と データセット は、 W&B examples repository (PyTorch CNN Fashion) にあります。

この W&B Dashboard で結果を確認できます。

​

1. プロジェクトの作成

まず、 ベースライン を作成します。 W&B examples の GitHub リポジトリから PyTorch MNIST データセットの例となる 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 ディレクトリー内にあります。

1. リポジトリをクローンします： git clone https://github.com/wandb/examples.git
2. この例のディレクトリに移動します： cd examples/pytorch/pytorch-cnn-fashion
3. 手動で run を実行します： python train.py

任意で、 W&B App UI の ダッシュボード に表示される例を確認してください。

プロジェクトページの例を表示 →

​

2. Sweep の作成

プロジェクト ページから、サイドバーの Sweep タブ 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 Runs に基づいてスイープする値を推測します。試行したい ハイパーパラメーター の範囲を指定するように 設定 を編集します。 Sweeps を ローンンチ すると、ホストされている W&B sweep server 上で新しい プロセス が開始されます。この集中型サービスは、トレーニング ジョブを実行するマシンである エージェント を調整します。

​

3. エージェントの起動

次に、ローカルで エージェント を起動します。作業を分散させて Sweeps ジョブをより速く完了させたい場合は、異なるマシン上で最大20個の エージェント を並列に起動できます。 エージェント は、次に試行する パラメータ のセットを出力します。

これで Sweeps が実行されています。次の画像は、例となる Sweeps ジョブの実行中に ダッシュボード がどのように見えるかを示しています。 プロジェクトページの例を表示 →

​

既存の Runs を使用して新しい Sweep を開始する

以前に ログ を記録した既存の Runs を使用して、新しい Sweeps を ローンンチ します。

1. プロジェクト のテーブルを開きます。
2. テーブルの左側にあるチェックボックスで、使用したい Runs を選択します。
3. ドロップダウンをクリックして、新しい Sweeps を作成します。

これで、 Sweeps が サーバー 上でセットアップされます。あとは1つ以上の エージェント を起動して Runs を開始するだけです。

ベイズ最適化（bayesian sweep）として新しい Sweeps を開始する場合、選択された Runs はガウス過程のシードとしても使用されます。