Passer au contenu principal

Articles scientifiques

Li, Lisha, et al. “Hyperband: A novel bandit-based approach to hyperparameter optimization.The Journal of Machine Learning Research 18.1 (2017): 6765-6816.

Experiments avec Sweeps

Les Reports W&B suivants présentent des exemples de projets qui explorent l’optimisation des hyperparamètres avec W&B Sweeps.

autogéré

Le guide pratique suivant présente comment résoudre des problèmes concrets avec W&B :
  • Sweeps avec XGBoost
    • Description : comment utiliser W&B Sweeps pour l’optimisation des hyperparamètres avec XGBoost.

Dépôt GitHub de Sweeps

W&B soutient l’open source et accueille les contributions de la communauté. Consultez le dépôt GitHub de W&B Sweeps. Pour savoir comment contribuer au dépôt open source de W&B, consultez les consignes de contribution sur GitHub.