Sweeps 개요

W&B Sweeps를 사용한 하이퍼파라미터 탐색 및 모델 최적화

Colab에서 실행해 보기W&B에서 실행해 보기

W&B Sweeps를 사용해 하이퍼파라미터 검색을 자동화하고 풍부하고 인터랙티브한 실험 추적 결과를 시각화하세요. Bayesian, 그리드 서치, 랜덤과 같은 널리 쓰이는 검색 방법을 선택해 하이퍼파라미터 공간을 탐색할 수 있습니다. 스윕을 하나 이상의 머신으로 확장해 병렬로 실행하세요.

​

동작 방식

다음 두 개의 W&B CLI 명령을 사용해 스윕을 생성합니다.

1. 스윕을 초기화합니다.

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

2. 스윕 에이전트를 시작합니다.

  wandb agent <sweep-ID>

앞의 코드 스니펫과 이 페이지에 링크된 Colab 노트북은 W&B CLI를 사용해 스윕을 초기화하고 생성하는 방법을 보여줍니다. Python SDK를 사용해 스윕을 구성, 초기화 및 실행하는 방법은 Sweeps walkthrough를 참조하세요.

​

시작하는 방법

사용 사례에 따라 다음 리소스를 참고하여 W&B Sweeps 사용을 시작하세요:

• sweeps walkthrough를 읽고, 스윕 설정을 정의하고 스윕을 초기화하며 스윕을 시작하기 위해 사용할 W&B Python SDK 명령어에 대한 단계별 개요를 확인하세요.
• 이 챕터를 살펴보며 다음 내용을 학습하세요:
  • 코드에 W&B 추가하기
  • 스윕 설정 정의하기
  • 스윕 초기화하기
  • 스윕 에이전트 시작하기
  • 스윕 결과 시각화하기
• W&B Sweeps로 하이퍼파라미터 최적화를 수행하는 엄선된 Sweep 실험 목록을 살펴보세요. 결과는 W&B Reports에 저장됩니다.

단계별 동영상은 다음을 참고하세요: Tune Hyperparameters Easily with W&B Sweeps.

​

노트북 예제

다음 노트북 예제에서는 다양한 프레임워크와 사용 사례 전반에 걸쳐 W&B Sweeps를 활용하여 하이퍼파라미터를 최적화하는 방법을 살펴봅니다:

• W&B Sweeps로 하이퍼파라미터 최적화하기
• XGBoost에서 W&B Sweeps 사용하기