평가판 검토

완료됨

Optuna를 사용하여 여러 하이퍼 매개 변수 조합을 시도하는 경우 각 평가판의 세부 정보를 검토할 수 있습니다. 다음 두 가지 방법으로 이러한 세부 정보를 검토할 수 있습니다.

• 각 평가판에 대한 MLflow 실행을 봅니다.
• 연구 및 평가판 클래스를 사용하여 실행 세부 정보를 캡처합니다.

각 평가판에 대한 MLflow 실행을 봅니다.

Azure Databricks에서 Optuna를 MLflow와 통합하여 각 평가판에 대해 MLflow 실험 실행을 자동으로 생성할 수 있습니다. 이렇게 하면 다음과 같이 Azure Databricks 포털에서 각 평가판에 대한 전체 하이퍼 매개 변수 및 메트릭 집합을 쉽게 볼 수 있습니다.

연구 및 평가판 수업 사용

Optuna는 연구 및 평가판 수업을 사용하여 시험 세부 정보를 관리합니다.

• 공부: 연구는 최적화 세션을 나타냅니다. 최상의 하이퍼 매개 변수를 찾는 전체 프로세스를 관리합니다. 지금까지 찾은 모든 평가판, 결과 및 최상의 매개 변수를 저장하는 컨테이너로 생각할 수 있습니다.

• 재판: 평가판은 특정 하이퍼 매개 변수 집합을 사용하여 최적화 프로세스의 단일 실행을 나타냅니다. 각 평가판은 사용된 매개 변수 값, 결과 목표 값(예: 정확도 또는 손실) 및 기타 메타데이터(예: 기간, 상태 등)를 기록합니다.

다음 코드 예제에서는 Optuna를 사용하여 각 평가판의 세부 정보를 검토하는 방법을 보여줍니다.

import optuna

def objective(trial):
    # Define your hyperparameters using trial.suggest_* methods
    x = trial.suggest_float("x", -10, 10)
    # ... your model training and evaluation ...
    return (x - 2) ** 2  # Example objective

study = optuna.create_study(direction="minimize")
study.optimize(objective, n_trials=100)

print("Best param values: ", study.best_params)

# Get details from each trial run
print("trials:")
for trial in study.trials:
    print("\n", trial)

팁 (조언)

평가판 클래스에서 기록한 세부 정보에 대한 자세한 내용은 Optuna 설명서를 참조하세요.