1. プロジェクトの作成
まず、 ベースライン を作成します。 W&B examples の GitHub リポジトリから PyTorch MNIST データセットの例となる モデル をダウンロードします。次に、モデル を トレーニング します。 トレーニングスクリプト はexamples/pytorch/pytorch-cnn-fashion ディレクトリー内にあります。
- リポジトリをクローンします：
git clone https://github.com/wandb/examples.git - この例のディレクトリに移動します：
cd examples/pytorch/pytorch-cnn-fashion - 手動で run を実行します：
python train.py
2. Sweep の作成
プロジェクト ページから、サイドバーの Sweep タブ を開き、 Create Sweep を選択します。
3. エージェントの起動
次に、ローカルで エージェント を起動します。作業を分散させて Sweeps ジョブをより速く完了させたい場合は、異なるマシン上で最大20個の エージェント を並列に起動できます。 エージェント は、次に試行する パラメータ のセットを出力します。
既存の Runs を使用して新しい Sweep を開始する
以前に ログ を記録した既存の Runs を使用して、新しい Sweeps を ローンンチ します。- プロジェクト のテーブルを開きます。
- テーブルの左側にあるチェックボックスで、使用したい Runs を選択します。
- ドロップダウンをクリックして、新しい Sweeps を作成します。
ベイズ最適化（bayesian sweep）として新しい Sweeps を開始する場合、選択された Runs はガウス過程のシードとしても使用されます。