DVC ile Hiperparametre Ayarı

Machine Learning için CI/CD

Ravi Bhadauria

Machine Learning Engineer

Hiperparametre ayarı iş akışı

Hiperparametre ayarı
- Girdi: Parametre tarama aralıkları
- Çıktı: En iyi parametreler
Eğitim
- Girdi: En iyi parametreler
- Çıktı: Metrikler ve grafikler (önceden işlendi)
Bağımsız eğitim için gevşek bağ
- Hiperparametre ayarı yeterli ama zorunlu değil
Her iki iş de veri kümesine bağlıdır

# Contents of hp configuration
{
    "n_estimators": [2, 4, 5],
    "max_depth": [10, 20, 50],
    "random_state": [1993]
}

# Contents of best parameters
{
    "n_estimators": 5,
    "max_depth": 20,
    "random_state": 1993
}

Eğitim kodu değişiklikleri

Python hiperparametre ayarı betiğindeki değişiklikler

# Load hyperparameters from the JSON file
with open("rfc_best_params.json", "r") as params_file:
  rfc_params = json.load(params_file)


# Define and train model
model = RandomForestClassifier(**rfc_params)
model.fit(X_train, y_train)

GridSearch ile Hiperparametre Ayarı

# Define the model and hyperparameter search space
model = RandomForestClassifier()
param_grid = json.load(open("hp_config.json", "r"))


# Perform GridSearch with five fold CV
grid_search = GridSearchCV(model, param_grid, cv=5)
grid_search.fit(X_train, y_train)


# Get the best hyperparameters
best_params = grid_search.best_params_
with open("rfc_best_params.json", "w") as outfile:
        json.dump(best_params, outfile)

DVC YAML değişiklikleri

Hiperparametre Ayarı

stages:
  preprocess: ...
  train: ...
  hp_tune:
    cmd: python hp_tuning.py
    deps:
    - processed_dataset/weather.csv
    - hp_config.json
    - hp_tuning.py
    outs: # En iyi parametreler izlenmiyor
      - hp_tuning_results.md:
          cache: false

Eğitim

stages:
  preprocess: ...
  hp_tune: ...
  train:
    cmd: python train.py
    deps:
    - processed_dataset/weather.csv
    - rfc_best_params.json # En iyi parametreler
    - train.py
    metrics:
      - metrics.json:
          cache: false

Tekil aşamaları tetikleme

Aşamalar bağımsız tetiklenebilir: dvc repro <stage_name>
Hiperparametre ayarı aşamasını zorla çalıştır: dvc repro -f hp_tune
- En iyi parametre dosyasının güncellenmesini sağlar
Eğitim dvc repro train ile çalıştırılabilir
Her iki aşama da bağımlılık olarak önişlemeyi tetikler

Hiperparametre Çalıştırma Çıktısı

mean_test_score	std_test_score	max_depth	n_estimators	random_state
0.999733	0.000413118	20	5	1993
0.999307	0.000574418	50	5	1993
0.99888	0.000617378	10	5	1993
0.997813	0.00117333	10	4	1993

Python hiperparametre ayarı betiğindeki değişiklikler

# Save the results of hyperparameter tuning
cv_results = pd.DataFrame(grid_search.cv_results_)
markdown_table = cv_results.to_markdown(index=False)
with open("hp_tuning_results.md", "w") as markdown_file:
  markdown_file.write(markdown_table)

Özet

Hiperparametre ayarı yolu
- Dal adı hp_tune/<some-string>
- Arama yapılandırmasını değiştirin
- PR'ı manuel açın
  - DVC hattını zorla çalıştırır: dvc repro -f hp_tune
  - En iyi parametrelerle yeni bir eğitim PR'ı oluşturmak için cml pr create kullanır
- Eğitim işini başlatmak için eğitim PR'ına zorla bir commit gönderin
Manuel yol
- Dal adı train/<some-string>
- En iyi parametreler dosyasını düzenleyip commit atın
- Eğitim işini başlatmak için PR'ı manuel açın

Hadi pratik yapalım!

Machine Learning için CI/CD