Penyetelan Hyperparameter dengan DVC

CI/CD untuk Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Alur kerja penyetelan hyperparameter

Penyetelan hyperparameter
- Input: Rentang penelusuran parameter
- Output: Parameter terbaik
Pelatihan
- Input: Parameter terbaik
- Output: Metrik dan plot (sudah dibahas)
Loose coupling untuk pelatihan mandiri
- Penyetelan hyperparameter memadai namun tidak wajib
Kedua job bergantung pada dataset

# 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
}

Perubahan kode pelatihan

# 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)

Penyetelan Hyperparameter dengan GridSearch

# 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)

Perubahan DVC YAML

Penyetelan Hyperparameter

stages:
  preprocess: ...
  train: ...
  hp_tune:
    cmd: python hp_tuning.py
    deps:
    - processed_dataset/weather.csv
    - hp_config.json
    - hp_tuning.py
    outs: # Tidak melacak parameter terbaik
      - hp_tuning_results.md:
          cache: false

Pelatihan

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

Menjalankan tahap individual

Tahap dapat dijalankan terpisah dvc repro <stage_name>
Paksa jalankan tahap penyetelan hyperparameter dvc repro -f hp_tune
- Memastikan berkas parameter terbaik diperbarui
Pelatihan dapat dijalankan dengan dvc repro train
Kedua tahap memicu praproses sebagai dependensi

Keluaran Run Hyperparameter

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

Perubahan pada skrip penyetelan hyperparameter Python

# 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)

Ringkasan

Rute penyetelan hyperparameter
- Nama branch hp_tune/<some-string>
- Ubah konfigurasi pencarian
- Buka PR secara manual
  - Memaksa menjalankan pipeline DVC dvc repro -f hp_tune
  - Menggunakan cml pr create untuk membuat PR pelatihan baru dengan parameter terbaik
- Force push commit ke PR pelatihan untuk memulai job pelatihan model
Rute manual
- Nama branch train/<some-string>
- Edit berkas parameter terbaik dan commit
- Buka PR manual untuk memulai job pelatihan model

Ayo berlatih!

CI/CD untuk Machine Learning