使用 DVC 進行超參數調校

Machine Learning 的 CI/CD

Ravi Bhadauria

Machine Learning Engineer

超參數調校流程

超參數調校
- 輸入：參數掃描範圍
- 輸出：最佳參數
訓練
- 輸入：最佳參數
- 輸出：指標與圖表（前面已涵蓋）
鬆耦合，便於獨立訓練
- 超參數調校是充分但非必要條件
兩項工作都依賴資料集

# 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
}

訓練程式碼變更

Python 超參數調校腳本的變更

# 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)

使用 GridSearch 的超參數調校

# 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 變更

超參數調校

stages:
  preprocess: ...
  train: ...
  hp_tune:
    cmd: python hp_tuning.py
    deps:
    - processed_dataset/weather.csv
    - hp_config.json
    - hp_tuning.py
    outs: # 不追蹤最佳參數
      - hp_tuning_results.md:
          cache: false

訓練

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

觸發個別階段

可獨立觸發各階段：dvc repro <stage_name>
強制執行超參數調校階段：dvc repro -f hp_tune
- 確保最佳參數檔會更新
以 dvc repro train 執行訓練
兩個階段都會因相依關係觸發前處理步驟

超參數執行輸出

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 超參數調校腳本的變更

# 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)

重點總結

超參數調校路徑
- 分支名稱 hp_tune/<some-string>
- 調整搜尋設定
- 手動開 PR
  - 強制執行 DVC pipeline：dvc repro -f hp_tune
  - 使用 cml pr create 建立含最佳參數的新訓練 PR
- 強制 push 訓練 PR 的一次提交以啟動模型訓練工作
手動路徑
- 分支名稱 train/<some-string>
- 編輯最佳參數檔並提交變更
- 手動開 PR 以啟動模型訓練工作

一起來練習吧！

Machine Learning 的 CI/CD