튜토리얼: 프로젝트에서 스윕 작업 생성하기

기존 W&B 프로젝트에서 스윕 작업을 생성하는 방법에 대한 튜토리얼입니다.

이 튜토리얼에서는 기존 W&B 프로젝트에서 스윕 작업을 생성하는 방법을 설명합니다. Fashion MNIST 데이터셋을 사용하여 이미지를 분류하는 PyTorch 합성곱 신경망을 학습합니다. 필요한 코드와 데이터셋은 W&B examples repository (PyTorch CNN Fashion)에 있습니다.

이 W&B Dashboard에서 결과를 확인할 수 있습니다.

​

1. Project 생성

먼저 기준선을 만듭니다. W&B examples GitHub 저장소에서 PyTorch MNIST 데이터셋 예제 모델을 다운로드하세요. 그다음 모델을 학습합니다. 학습 스크립트는 examples/pytorch/pytorch-cnn-fashion 디렉터리에 있습니다.

1. 이 저장소를 클론합니다 git clone https://github.com/wandb/examples.git
2. 이 예제 디렉터리로 이동합니다 cd examples/pytorch/pytorch-cnn-fashion
3. 실행을 수동으로 시작합니다 python train.py

원한다면 W&B App UI 대시보드에서 이 예제가 어떻게 표시되는지 살펴보세요.

예제 Project 페이지 보기 →

​

2. 스윕 생성하기

프로젝트 페이지에서 사이드바의 Sweep 탭을 열고 Create Sweep을 선택합니다.

자동 생성된 구성은 완료된 실행을 기반으로 스윕에 사용할 값들을 추정합니다. 시도하려는 하이퍼파라미터 범위를 지정하도록 구성을 편집합니다. 스윕을 시작하면, 호스팅된 W&B 스윕 서버에서 새로운 프로세스가 시작됩니다. 이 중앙화된 서비스가 에이전트—학습 작업을 실행하는 머신—를 조정합니다.

​

3. 에이전트 실행

이제 로컬에서 에이전트를 실행합니다. 작업을 분산해 스윕 작업을 더 빨리 끝내고 싶다면, 서로 다른 머신에서 최대 20개의 에이전트를 병렬로 실행할 수 있습니다. 에이전트는 다음에 시도할 파라미터 집합을 출력합니다.

이제 스윕이 실행 중입니다. 다음 이미지는 예시 스윕 작업이 실행되는 동안 대시보드가 어떻게 보이는지 보여줍니다. 예시 프로젝트 페이지 보기 →

​

기존 실행으로 새 sweep 시드하기

이전에 로깅해 둔 기존 실행을 사용해 새 sweep을 시작할 수 있습니다.

1. 프로젝트 테이블을 엽니다.
2. 테이블 왼쪽의 체크박스를 사용해 사용할 실행을 선택합니다.
3. 드롭다운을 클릭해 새 sweep을 생성합니다.

이제 sweep이 W&B 서버에 설정됩니다. 실행을 시작하려면 하나 이상의 agent를 실행하기만 하면 됩니다.

새 sweep을 Bayesian sweep으로 시작하면, 선택한 실행이 Gaussian Process의 시드로도 사용됩니다.