Skip to main content

调优实验

在本教程中，学习如何调整实验。将要调整的实验是由pytorch_mnist.py示例脚本创建的。

先决条件​

步骤 1: 运行实验​

在examples/frameworks/pytorch目录中，运行实验脚本：

python pytorch_mnist.py

步骤 2: 克隆实验​

克隆实验以创建可编辑的副本进行调整。

  1. 在ClearML WebApp（UI）中，在项目页面上，点击examples项目卡片。

  2. 在实验表中，右键点击实验 pytorch mnist train。

  3. 在上下文菜单中，点击克隆 > 克隆。新克隆的实验会出现，并且其信息面板会滑动打开。

步骤3：调整克隆的实验​

为了演示调优，更改两个超参数值。

  1. 在信息面板中，配置 > 超参数 > 参数 > 悬停并点击编辑。

  2. 将batch_size的值从64更改为32。

  3. 将lr的值从0.01更改为0.025。

  4. 点击保存。

步骤4：运行一个监听队列的工作守护进程​

要执行克隆的实验，请使用ClearML Agent。

在本地开发机器上运行代理：

  1. 打开一个终端会话。

  2. 运行以下clearml-agent命令，该命令将运行一个监听default队列的工作守护进程：

    clearml-agent daemon --queue default

    此命令的响应是关于配置、工作器和队列的信息。例如：

    Current configuration (clearml_agent v0.16.0, location: /home/<username>/clearml.conf):
    ----------------------
    agent.worker_id =
    agent.worker_name = LAPTOP-PPTKKPGK
    agent.python_binary =
    agent.package_manager.type = pip
    .
    .
    .
    sdk.development.worker.report_period_sec = 2
    sdk.development.worker.ping_period_sec = 30
    sdk.development.worker.log_stdout = true
        
    Worker "LAPTOP-PPTKKPGK:0" - Listening to queues:
    + ---------------------------------+---------+-------+
    | id                               | name    | tags  |
    + ---------------------------------+---------+-------+
    | 2a03daf5ff9a4255b9915fbd5306f924 | default |       |
    + ---------------------------------+---------+-------+
        
    Running CLEARML-AGENT daemon in background mode, writing stdout/stderr to /home/<username>/.clearml_agent_daemon_outym6lqxrz.txt

步骤5：将调优实验加入队列​

将调优的实验加入队列。

  1. 在ClearML WebApp > 实验表中，右键点击实验 Clone Of pytorch mnist train。

  2. 在上下文菜单中，点击Enqueue。

  3. 选择默认队列。

  4. 点击ENQUEUE。实验的状态变为待定。当工作者从队列中获取实验时，状态变为运行中。实验的进度可以在信息面板中查看。当状态变为已完成时，继续下一步。

步骤6：比较实验​

比较原始和调整后的实验：

  1. 在ClearML WebApp（UI）中，在项目页面上，点击examples项目。

  2. 在实验表中，选择两个实验的复选框：pytorch mnist train 和 Clone Of pytorch mnist train。

  3. 在实验表底部的菜单栏上，点击COMPARE。实验比较窗口将出现。 所有差异将以不同的背景颜色显示以突出它们。

    实验比较窗口按以下标签组织：

    • 详细信息 - 工件部分，包括输入和输出模型及其网络设计，以及其他工件； 执行部分的执行，包括源代码控制、安装的Python包和版本、 未提交的更改，以及Docker镜像名称，在这种情况下为空。
    • 超参数 - 超参数及其值。
    • SCALARS - 标量指标，可以选择以图表或数值的形式查看。
    • PLOTS - 任何数据的图表，可以选择以图表或数值形式查看。
    • 调试样本 - 包括图像、音频和视频的媒体，由您的实验上传，显示为缩略图。

  4. 检查差异。

    1. Compare the hyperparameters. In the HYPERPARAMETERS tab, expand ARGS. The hyperparameters batch_size and lr are shown with a different background color. The values are different.
    2. Compare the metrics. In the SCALARS tab, to the right of Add Experiment, select the plot or value comparison:
      • 图表 - 标量指标图显示了 pytorch mnist train 和 Clone of pytorch mnist train。
      • 最后值 - 展开一个指标和变体。

下一步​

  • 有关编辑实验的更多信息，请参见修改实验。