Điều chỉnh siêu tham số với DVC

CI/CD cho Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Quy trình điều chỉnh siêu tham số

Điều chỉnh siêu tham số
- Đầu vào: Khoảng quét tham số
- Đầu ra: Tham số tốt nhất
Huấn luyện
- Đầu vào: Tham số tốt nhất
- Đầu ra: Chỉ số và biểu đồ (đã học)
Ghép lỏng để huấn luyện độc lập
- Điều chỉnh siêu tham số là đủ nhưng không bắt buộc
Cả hai job phụ thuộc vào dữ liệu

# 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
}

Thay đổi mã huấn luyện

Thay đổi trong mã huấn luyện (Python)

# 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)

Điều chỉnh siêu tham số với 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)

Thay đổi DVC YAML

Điều chỉnh siêu tham số

stages:
  preprocess: ...
  train: ...
  hp_tune:
    cmd: python hp_tuning.py
    deps:
    - processed_dataset/weather.csv
    - hp_config.json
    - hp_tuning.py
    outs: # Không theo dõi tham số tốt nhất
      - hp_tuning_results.md:
          cache: false

Huấn luyện

stages:
  preprocess: ...
  hp_tune: ...
  train:
    cmd: python train.py
    deps:
    - processed_dataset/weather.csv
    - rfc_best_params.json # Tham số tốt nhất
    - train.py
    metrics:
      - metrics.json:
          cache: false

Kích hoạt từng stage

Có thể chạy từng stage riêng dvc repro <stage_name>
Ép chạy stage điều chỉnh siêu tham số dvc repro -f hp_tune
- Đảm bảo cập nhật tệp tham số tốt nhất
Huấn luyện: dvc repro train
Cả hai stage sẽ kích hoạt bước tiền xử lý do phụ thuộc

Kết quả chạy điều chỉnh siêu tham số

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

Thay đổi trong script Python điều chỉnh siêu tham số

# 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)

Tóm tắt

Quy trình điều chỉnh siêu tham số
- Tên nhánh hp_tune/<some-string>
- Chỉnh cấu hình tìm kiếm
- Mở PR thủ công
  - Ép chạy pipeline DVC dvc repro -f hp_tune
  - Dùng cml pr create để tạo PR huấn luyện mới với tham số tốt nhất
- Force push một commit vào PR huấn luyện để khởi động job huấn luyện
Quy trình thủ công
- Tên nhánh train/<some-string>
- Sửa tệp tham số tốt nhất và commit
- Mở PR thủ công để khởi động job huấn luyện

Ayo berlatih!

CI/CD cho Machine Learning