Options de configuration d’un balayage

Référence de toutes les clés de configuration de balayage, notamment method, metric, parameters, arrêt anticipé et command.

Une configuration de balayage se compose de paires clé-valeur imbriquées. Utilisez les clés de premier niveau de votre configuration de balayage pour définir les caractéristiques de votre recherche, comme les paramètres à explorer (clé parameters) et la méthode de recherche dans l’espace des paramètres (clé method).

Le tableau suivant répertorie les clés de configuration de balayage de premier niveau, avec une brève description. Pour plus d’informations sur chaque clé, voir les sections correspondantes.

Clés de premier niveau	Description
program	(requis) Script d’entraînement à exécuter
entity	L’entité de ce balayage
project	Le projet de ce balayage
description	Description textuelle du balayage
name	Le nom du balayage, affiché dans l’interface W&B.
method	(requis) La stratégie de recherche
metric	La métrique à optimiser (utilisée uniquement par certaines stratégies de recherche et certains critères d’arrêt)
parameters	(requis) Les bornes des paramètres à explorer
early_terminate	Tout critère d’arrêt anticipé
command	Structure de la commande permettant d’invoquer le script d’entraînement et de lui transmettre des arguments
run_cap	Nombre maximal de runs pour ce balayage

Pour plus d’informations, voir Définir une configuration de balayage.

​

metric

Utilisez la clé de configuration de premier niveau metric du balayage pour spécifier le nom, l’objectif et la métrique cible à optimiser.

Clé	Description
name	Nom de la métrique à optimiser.
goal	minimize ou maximize (minimize par défaut).
target	Valeur cible de la métrique en cours d’optimisation. Le balayage ne crée pas de nouveaux runs lorsqu’un run atteint la valeur cible que vous avez spécifiée. Les agents actifs qui exécutent déjà un run au moment où celui-ci atteint la cible attendent la fin du run avant d’arrêter de créer de nouveaux runs.

​

parameters

Dans votre fichier YAML ou votre script Python, spécifiez parameters comme clé de premier niveau. Dans la clé parameters, indiquez le nom d’un hyperparamètre que vous souhaitez optimiser. Les hyperparamètres courants incluent le taux d’apprentissage, la taille de lot, les époques et les optimiseurs. Pour chaque hyperparamètre que vous définissez dans votre configuration de balayage, spécifiez une ou plusieurs contraintes de recherche.

Le tableau suivant présente les contraintes de recherche d’hyperparamètres prises en charge. En fonction de votre hyperparamètre et de votre cas d’utilisation, utilisez l’une des contraintes de recherche suivantes pour indiquer à votre agent de balayage où rechercher (dans le cas d’une distribution) ou quoi rechercher/utiliser (comme value ou values).

Contrainte de recherche	Description
values	Spécifie toutes les valeurs valides pour cet hyperparamètre. Compatible avec grid.
value	Spécifie l’unique valeur valide pour cet hyperparamètre. Compatible avec grid.
distribution	Spécifiez une distribution de probabilité. Voir la note sous ce tableau pour plus d’informations sur les valeurs par défaut.
probabilities	Spécifie la probabilité de sélectionner chaque élément de values lors de l’utilisation de random.
min, max	(int or float) Valeurs minimale et maximale. Si int, pour les hyperparamètres distribués selon int_uniform. Si float, pour les hyperparamètres distribués selon uniform.
mu	(float) Paramètre de moyenne pour les hyperparamètres distribués selon normal ou lognormal.
sigma	(float) Paramètre d’écart-type pour les hyperparamètres distribués selon normal ou lognormal.
q	(float) Pas de quantification pour les hyperparamètres quantifiés.
parameters	Imbrique d’autres paramètres dans un paramètre de niveau racine.

Si vous ne spécifiez pas de distribution, W&B définit les distributions suivantes selon ces conditions :

• categorical si vous spécifiez values
• int_uniform si vous spécifiez max et min comme entiers
• uniform si vous spécifiez max et min comme nombres à virgule flottante
• constant si vous spécifiez value

​

method

Spécifiez la stratégie de recherche d’hyperparamètres à l’aide de la clé method. Choisissez parmi trois stratégies de recherche d’hyperparamètres : recherche sur grille, aléatoire et recherche bayésienne.

​

Recherche sur grille

La recherche sur grille parcourt chaque combinaison possible de valeurs d’hyperparamètre. La recherche sur grille choisit, à chaque itération, parmi un ensemble prédéfini de valeurs d’hyperparamètre, sans information préalable. La recherche sur grille peut être coûteuse en ressources de calcul.

La recherche sur grille s’exécute indéfiniment si elle explore un espace de recherche continu.

​

Recherche aléatoire

La recherche aléatoire choisit, à chaque itération, un ensemble aléatoire de valeurs d’hyperparamètres, sans information préalable, selon une distribution. La recherche aléatoire s’exécute indéfiniment, sauf si vous arrêtez le processus depuis la ligne de commande, dans votre script Python ou depuis W&B App.

Si vous choisissez la recherche aléatoire (method: random), spécifiez la distribution pour chaque hyperparamètre dans la clé parameters.

​

Recherche bayésienne

Contrairement à la recherche aléatoire et à la recherche sur grille, les modèles bayésiens prennent des décisions éclairées. L’optimisation bayésienne s’appuie sur un modèle probabiliste pour déterminer quelles valeurs utiliser. Le processus teste itérativement des valeurs sur une fonction de substitution avant d’évaluer la fonction objectif. La recherche bayésienne est efficace pour un petit nombre de paramètres continus, mais elle passe mal à l’échelle. Pour en savoir plus sur la recherche bayésienne, voir le Bayesian Optimization Primer.

La recherche bayésienne se poursuit indéfiniment, à moins que vous n’arrêtiez le processus depuis la ligne de commande, dans votre script Python ou depuis W&B App.

​

Options de distribution pour la recherche aléatoire et la recherche bayésienne

Dans la clé parameters, imbriquez le nom de l’hyperparamètre. Ensuite, spécifiez la clé distribution et indiquez une distribution pour la valeur.

Le tableau suivant répertorie les distributions prises en charge par W&B.

Valeur de la clé distribution	Description
constant	Distribution constante. Vous devez spécifier la valeur constante (value) à utiliser.
categorical	Distribution catégorielle. Vous devez spécifier toutes les valeurs valides (values) pour cet hyperparamètre.
int_uniform	Distribution uniforme discrète sur les entiers. Vous devez spécifier max et min sous forme d’entiers.
uniform	Distribution uniforme continue. Vous devez spécifier max et min sous forme de nombres à virgule flottante.
q_uniform	Distribution uniforme quantifiée. Renvoie round(X / q) * q, où X suit une distribution uniforme. q a pour valeur par défaut 1.
log_uniform	Distribution log-uniforme. Renvoie une valeur X comprise entre exp(min) et exp(max) telle que le logarithme népérien soit uniformément distribué entre min et max.
log_uniform_values	Distribution log-uniforme. Renvoie une valeur X comprise entre min et max telle que log(X) soit uniformément distribué entre log(min) et log(max).
q_log_uniform	Distribution log-uniforme quantifiée. Renvoie round(X / q) * q, où X est log_uniform. q a pour valeur par défaut 1.
q_log_uniform_values	Distribution log-uniforme quantifiée. Renvoie round(X / q) * q, où X est log_uniform_values. q a pour valeur par défaut 1.
inv_log_uniform	Distribution log-uniforme inverse. Renvoie X, où log(1/X) est uniformément distribué entre min et max.
inv_log_uniform_values	Distribution log-uniforme inverse. Renvoie X, où log(1/X) est uniformément distribué entre log(1/max) et log(1/min).
normal	Distribution normale. La valeur renvoyée suit une distribution normale de moyenne mu (par défaut 0) et d’écart-type sigma (par défaut 1).
q_normal	Distribution normale quantifiée. Renvoie round(X / q) * q, où X est normal. q a pour valeur par défaut 1.
log_normal	Distribution log-normale. Renvoie une valeur X telle que le logarithme népérien log(X) suive une distribution normale de moyenne mu (par défaut 0) et d’écart-type sigma (par défaut 1).
q_log_normal	Distribution log-normale quantifiée. Renvoie round(X / q) * q, où X est log_normal. q a pour valeur par défaut 1.

​

early_terminate

Utilisez l’arrêt anticipé (early_terminate) pour interrompre les runs peu performants. En cas d’arrêt anticipé, W&B arrête le run en cours avant d’en créer un nouveau avec un nouvel ensemble de valeurs d’hyperparamètres.

Vous devez spécifier un algorithme d’arrêt si vous utilisez early_terminate. Imbriquez la clé type dans early_terminate au sein de votre configuration de balayage.

​

Algorithme d’arrêt

W&B prend en charge l’algorithme d’arrêt Hyperband.

L’optimisation des hyperparamètres avec Hyperband détermine si un programme doit s’arrêter ou continuer à une ou plusieurs itérations prédéfinies, appelées brackets.

Lorsqu’un run W&B atteint un bracket, le balayage compare la métrique de ce run à toutes les valeurs de métrique précédemment enregistrées. Le balayage met fin au run si la valeur de sa métrique est trop élevée (lorsque l’objectif est la minimisation) ou si la métrique du run est trop faible (lorsque l’objectif est la maximisation).

Les brackets sont basés sur le nombre d’itérations enregistrées. Le nombre de brackets correspond au nombre de fois où vous enregistrez la métrique que vous optimisez. Les itérations peuvent correspondre à des étapes, des époques ou à quelque chose entre les deux. Les calculs des brackets n’utilisent pas la valeur numérique du compteur d’étapes.

Spécifiez min_iter ou max_iter pour créer une planification de brackets.

Clé	Description
min_iter	Spécifiez l’itération du premier bracket
max_iter	Spécifiez le nombre maximal d’itérations.
s	Spécifiez le nombre total de brackets (requis pour max_iter)
eta	Spécifiez le multiplicateur de la planification des brackets (valeur par défaut : 3).
strict	Activez le mode strict, qui élague agressivement les runs et suit de plus près l’article original sur Hyperband. La valeur par défaut est false.

Hyperband vérifie quels runs arrêter toutes les quelques minutes. L’horodatage de fin du run peut différer des brackets spécifiés si votre run ou votre itération est de courte durée.

​

command

Utilisez la clé command de premier niveau pour contrôler la façon dont l’agent de balayage invoque votre script d’entraînement et lui transmet des arguments. Modifiez le format et le contenu à l’aide de valeurs imbriquées dans la clé command. Vous pouvez inclure directement des composants fixes, comme des noms de fichiers.

Sur les systèmes Unix, /usr/bin/env garantit que le système d’exploitation choisit le bon interpréteur Python en fonction de l’environnement.

W&B prend en charge les macros suivantes pour les composants variables de la commande :

Command macro	Description
${env}	/usr/bin/env sur les systèmes Unix, omis sous Windows.
${interpreter}	Est remplacé par python.
${program}	Nom de fichier du script d’entraînement spécifié par la clé program de la configuration du balayage.
${args}	Hyperparamètres et leurs valeurs sous la forme --param1=value1 --param2=value2.
${args_no_boolean_flags}	Hyperparamètres et leurs valeurs sous la forme --param1=value1, sauf que les paramètres booléens prennent la forme --boolean_flag_param quand ils sont à True et sont omis quand ils sont à False.
${args_no_hyphens}	Hyperparamètres et leurs valeurs sous la forme param1=value1 param2=value2.
${args_json}	Hyperparamètres et leurs valeurs encodés en JSON.
${args_json_file}	Chemin d’accès à un fichier contenant les hyperparamètres et leurs valeurs encodés en JSON.
${envvar}	Permet de transmettre des variables d’environnement. ${envvar:MYENVVAR} est remplacé par la valeur de la variable d’environnement MYENVVAR.