DVC によるハイパーパラメータチューニング

Machine Learning のための CI/CD

Ravi Bhadauria

Machine Learning Engineer

ハイパーパラメータチューニングのワークフロー

ハイパーパラメータチューニング
- 入力: パラメータ探索範囲
- 出力: 最適なパラメータ
トレーニング
- 入力: 最適なパラメータ
- 出力: メトリクスとプロット（説明済み）
独立したトレーニングのための疎結合
- ハイパーパラメータチューニングは十分条件だが必須ではありません
どちらのジョブもデータセットに依存します

# 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
}

トレーニングコードの変更

Python ハイパーパラメータチューニングスクリプトの変更

# 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 によるハイパーパラメータチューニング

# 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 の変更

ハイパーパラメータチューニング

stages:
  preprocess: ...
  train: ...
  hp_tune:
    cmd: python hp_tuning.py
    deps:
    - processed_dataset/weather.csv
    - hp_config.json
    - hp_tuning.py
    outs: # Not tracking best parameters
      - hp_tuning_results.md:
          cache: false

トレーニング

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

個別のステージを実行する

各ステージは dvc repro <stage_name> で個別に実行できます
ハイパーパラメータチューニングステージを強制実行するには dvc repro -f hp_tune を使用します
- 最適なパラメータファイルが必ず更新されます
トレーニングは dvc repro train で実行できます
両方のステージは依存関係として前処理ステップをトリガーします

ハイパーパラメータ実行の出力

mean_test_score	std_test_score	maxdepth	nestimators	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 ハイパーパラメータチューニングスクリプトの変更

# 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)

まとめ

ハイパーパラメータチューニングのルート
- ブランチ名 hp_tune/<some-string>
- 探索設定を変更する
- 手動で PR を開く
  - DVC パイプラインを強制実行 dvc repro -f hp_tune
  - cml pr create を使用して最適なパラメータを含む新しいトレーニング PR を作成する
- トレーニング PR にコミットを強制プッシュしてモデルトレーニングジョブを開始する
手動ルート
- ブランチ名 train/<some-string>
- 最適なパラメータファイルを編集してコミットする
- 手動で PR を開いてモデルトレーニングジョブを開始する

練習しましょう！

Machine Learning のための CI/CD