Learn more about sweeps

  less than a minute  

学術論文

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

Sweep Experiments

以下の W&B Reports は、W&B Sweeps を使用したハイパーパラメーター最適化を調査する Projects の例を示しています。

• Drought Watch Benchmark Progress
  • 説明: ベースラインを開発し、Drought Watch ベンチマークへのサブミッションを検証します。
• Tuning Safety Penalties in Reinforcement Learning
  • 説明: パターン作成、パターン除去、ナビゲーションの 3 つの異なるタスクにおいて、異なる副作用ペナルティで学習させたエージェントを検証します。
• Meaning and Noise in Hyperparameter Search with W&B Stacey Svetlichnaya
  • 説明: シグナルとパレイドリア（想像上のパターン）をどのように区別しますか？この記事では、W&B で何ができるかを紹介し、さらなる探求を促すことを目的としています。
• Who is Them? Text Disambiguation with Transformers
  • 説明: 自然言語理解のためのモデルを調査するために Hugging Face を使用します
• DeepChem: Molecular Solubility
  • 説明: ランダムフォレストと深層ネットを使用して、分子構造から化学的特性を予測します。
• Intro to MLOps: Hyperparameter Tuning
  • 説明: ハイパーパラメーター最適化が重要な理由を探り、機械学習モデルのハイパーパラメーターの チューニング を自動化するための 3 つのアルゴリズムを見てみましょう。

selfm-anaged

次のハウツー ガイドでは、W&B を使用して実際の問題を解決する方法を示します。

• Sweeps with XGBoost
  • 説明: XGBoost を使用したハイパーパラメーター チューニング に W&B Sweeps を使用する方法。

Sweep GitHub リポジトリ

W&B はオープンソースを提唱し、コミュニティからの貢献を歓迎します。GitHub リポジトリは https://github.com/wandb/sweeps にあります。W&B オープンソースリポジトリへの貢献方法については、W&B GitHub のContribution guidelinesを参照してください。