Strojenie hiperparametrów z DVC

CI/CD dla uczenia maszynowego

Ravi Bhadauria

Machine Learning Engineer

Przepływ pracy strojenia hiperparametrów

Strojenie hiperparametrów
- Wejście: zakresy przeszukiwania parametrów
- Wyjście: najlepsze parametry
Trening
- Wejście: najlepsze parametry
- Wyjście: metryki i wykresy (omówione wcześniej)
Luźne powiązanie umożliwia niezależny trening
- Strojenie jest wystarczające, ale nie konieczne
Oba zadania zależą od zbioru danych

# 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
}

Zmiany w kodzie treningu

Zmiany w skrypcie Python do strojenia hiperparametrów

# 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)

Strojenie hiperparametrów z 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)

Zmiany w pliku YAML DVC

Strojenie hiperparametrów

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

Trening

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

Uruchamianie pojedynczych etapów

Etapy można uruchamiać niezależnie: dvc repro <stage_name>
Wymuszenie uruchomienia etapu strojenia: dvc repro -f hp_tune
- Zapewnia aktualizację pliku najlepszych parametrów
Trening można uruchomić poleceniem dvc repro train
Oba etapy zależą od kroku przetwarzania wstępnego

Wyniki uruchomienia strojenia hiperparametrów

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

Zmiany w skrypcie Python do strojenia hiperparametrów

# 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)

Podsumowanie

Ścieżka strojenia hiperparametrów
- Nazwa gałęzi: hp_tune/<ciąg-znaków>
- Wprowadzenie zmian w konfiguracji przeszukiwania
- Ręczne otwarcie PR
  - Wymusza uruchomienie potoku DVC: dvc repro -f hp_tune
  - Używa cml pr create do utworzenia PR z najlepszymi parametrami
- Wypchnięcie commita do PR treningu w celu uruchomienia zadania
Ścieżka ręczna
- Nazwa gałęzi: train/<ciąg-znaków>
- Edycja pliku najlepszych parametrów i zatwierdzenie zmian
- Ręczne otwarcie PR w celu uruchomienia zadania treningu

Czas na ćwiczenia!

CI/CD dla uczenia maszynowego