Sweeps の概要

W&B Sweeps を使用したハイパーパラメーター探索とモデルの最適化

W&B Sweeps を使用すると、ハイパーパラメーター探索を自動化し、充実したインタラクティブな実験管理を可視化できます。Bayesian、グリッドサーチ、ランダムなど、一般的な探索 method から選択して、ハイパーパラメーター空間を探索できます。1 台以上のマシンにまたがって sweep をスケールし、並列実行できます。

​

仕組み

2 つの W&B CLI コマンドを使って sweep を作成します。

1. sweep を初期化します。

  wandb sweep --project <project-name> <path-to-config file>

2. sweep エージェントを起動します。

  wandb agent <sweep-ID>

前述のコードスニペットと、このページからリンクされている Colab では、W&B CLI を使用して sweep を初期化し、作成する方法を示しています。Python SDK を使用して sweep を設定、初期化、実行する方法については、Sweeps ウォークスルーを参照してください。

​

はじめに

ユースケースに応じて、W&B Sweeps を使い始めるために、以下のリソースを参照してください。

• sweep 設定の定義、sweep の初期化、sweep の開始に使用する W&B Python SDK コマンドを step ごとに説明した sweeps ウォークスルー をお読みください。
• この章では、次の方法を学べます。
  • コードに W&B を追加する
  • sweep 設定を定義する
  • sweeps を初期化する
  • sweep agents を開始する
  • sweep の結果を可視化する
• W&B Sweeps を使用したハイパーパラメーター最適化を紹介する、厳選された Sweep Experiments の一覧 を参照してください。結果は W&B Reports に保存されます。

step ごとの video については、こちらを参照してください。Tune Hyperparameters Easily with W&B Sweeps。

​

ノートブックの例

以下のノートブック例では、さまざまなフレームワークやユースケースで、W&B Sweeps を使ったハイパーパラメーター最適化の方法を紹介しています。

• Sweeps を使用したハイパーパラメーター最適化
• XGBoost で W&B Sweeps を使用する