튜토리얼: 프로젝트에서 Sweep job 생성하기

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

이 튜토리얼은 기존의 W&B 프로젝트에서 Sweep 작업을 생성하는 방법을 설명합니다. Fashion MNIST 데이터셋을 사용하여 PyTorch 합성곱 신경망(CNN)이 이미지를 분류하도록 트레이닝할 것입니다. 필요한 코드와 데이터셋은 W&B 예시 레포지토리 (PyTorch CNN Fashion)에 위치해 있습니다.

이 W&B 대시보드에서 결과를 확인해 보세요.

​

1. 프로젝트 생성

먼저, 베이스라인을 생성합니다. W&B 예시 GitHub 레포지토리에서 PyTorch MNIST 데이터셋 예시 모델을 다운로드합니다. 그 다음, 모델을 트레이닝합니다. 트레이닝 스크립트는 examples/pytorch/pytorch-cnn-fashion 디렉토리에 있습니다.

1. 레포지토리를 클론합니다: git clone https://github.com/wandb/examples.git
2. 예시 디렉토리로 이동합니다: cd examples/pytorch/pytorch-cnn-fashion
3. 수동으로 run을 실행합니다: python train.py

선택 사항으로 W&B 앱 UI 대시보드에 나타나는 예시를 살펴보세요.

예시 프로젝트 페이지 보기 →

​

2. Sweep 생성

프로젝트 페이지의 사이드바에서 Sweep 탭을 열고 Create Sweep을 선택합니다.

자동 생성된 설정은 이미 완료된 run을 기반으로 스윕할 값을 추측합니다. 시도하고 싶은 하이퍼파라미터 범위를 지정하도록 설정을 편집하세요. 스윕을 시작하면, 호스팅된 W&B 스윕 서버에서 새로운 프로세스가 시작됩니다. 이 중앙 집중식 서비스는 트레이닝 작업을 실행하는 머신인 에이전트를 조율합니다.

​

3. 에이전트 실행

다음으로, 로컬에서 에이전트를 실행합니다. 작업을 분산하고 스윕 작업을 더 빨리 마치고 싶다면 서로 다른 머신에서 최대 20개의 에이전트를 병렬로 실행할 수 있습니다. 에이전트는 다음에 시도할 파라미터 세트를 출력합니다.

이제 Sweeps 가 실행 중입니다. 다음 이미지는 예시 스윕 작업이 실행될 때 대시보드가 어떻게 보이는지 보여줍니다. 예시 프로젝트 페이지 보기 →

​

기존 run으로 새로운 스윕 시작하기

이전에 로그를 기록한 기존 run을 사용하여 새로운 스윕을 시작하세요.

1. 프로젝트 테이블을 엽니다.
2. 테이블 왼쪽의 체크박스를 사용하여 사용하려는 run을 선택합니다.
3. 드롭다운을 클릭하여 새로운 스윕을 생성합니다.

이제 서버에 스윕이 설정되었습니다. run 실행을 시작하려면 하나 이상의 에이전트를 실행하기만 하면 됩니다.

새로운 스윕을 베이지안(Bayesian) 스윕으로 시작하면, 선택한 run들이 가우시안 프로세스(Gaussian Process)의 시드 데이터로도 사용됩니다.