Kubeflow 하이퍼파라미터 튜닝

하이퍼파라미터 실습 예제를 통해 AutoML 실험을 생성합니다.

지원 도구

도구	버전	설명
Katib	0.15.0	- 오픈소스 프로젝트로, 하이퍼파라미터 튜닝 기능 지원 - 모델 성능 향상을 위한 다양한 하이퍼파라미터 조합 및 테스트 가능

실습 예제를 통해 AutoML 실험 생성

Step 1. 사전 준비

학습 데이터 준비

하이퍼파라미터 튜닝 실습은 MNIST 데이터세트를 활용하여 실습합니다.
아래 실습을 순서대로 수행하면 필요한 데이터세트를 다운로드받을 수 있기 때문에 별도의 다운로드가 필요하지 않습니다.

MNIST 이미지 데이터세트

MNIST 데이터세트란?

컴퓨터 비전 분야에서 일반적으로 널리 사용되는 손글씨에서 숫자만을 모은 대규모 데이터세트입니다.
0부터 9까지 총 10개의 카테고리와 훈련 데이터 60,000개, 테스트 데이터 10,000개로 총 70,000개의 28x28 픽셀 회색조 이미지로 이루어져 있습니다.

Step 2. 실습 예제로 새로운 실험 생성

대시보드에 접속합니다.
좌측에 위치한 Experiments (AutoML) 탭을 선택합니다.
우측 상단에 위치한 [NEW EXPERIMENT] 버튼을 클릭합니다.

Create an Experiment 화면 하단의 [Edit and submit YAML] 버튼을 클릭합니다. Edit YAML 팝업에서 아래 YAML 예제를 붙여 넣고 [CREATE] 버튼을 클릭합니다.

YAML 스크립트 만들기 YAML 스크립트 코드 예제 삽입

안내

아래 예제에서 네임스페이스 이름과 AutoML 실험 이름을 직접 입력해야 합니다. 자세한 방법은 네임스페이스 확인을 참고해 주세요.

ex) 네임스페이스명이 kbm-g-namespace9999 이고, AutoML 실험명을 test-AutoML로 설정하고 싶은 경우
namespace: kbm-g-namespace9999
name: test-AutoML

실습 예제. YAML 스크립트 코드 예제
apiVersion: kubeflow.org/v1beta1
kind: Experiment
metadata:
  namespace: {{ 네임스페이스명 }}
  name: {{ AutoML 실험명 }}
spec:
  objective:
    type: maximize
    goal: 0.99
    objectiveMetricName: accuracy
    additionalMetricNames:
      - loss
  metricsCollectorSpec:
    source:
      filter:
        metricsFormat:
          - "{metricName: ([\\w|-]+), metricValue: ((-?\\d+)(\\.\\d+)?)}"
      fileSystemPath:
        path: "/katib/mnist.log"
        kind: File
    collector:
      kind: File
  algorithm:
    algorithmName: random
  parallelTrialCount: 3
  maxTrialCount: 12
  maxFailedTrialCount: 3
  parameters:
    - name: lr
      parameterType: double
      feasibleSpace:
        min: "0.01"
        max: "0.03"
    - name: momentum
      parameterType: double
      feasibleSpace:
        min: "0.3"
        max: "0.7"
  trialTemplate:
    retain: true
    primaryContainerName: training-container
    trialParameters:
      - name: learningRate
        description: Learning rate for the training model
        reference: lr
      - name: momentum
        description: Momentum for the training model
        reference: momentum
    trialSpec:
      apiVersion: batch/v1
      kind: Job
      spec:
        template:
          metadata:
            annotations:
              sidecar.istio.io/inject: 'false'
          spec:
            containers:
              - name: training-container
                image: mlops.kr-central-2.kcr.dev/kc-kubeflow-registry/katib-pytorch-mnist-gpu:v0.18.0.kbm.1a
                command:
                  - "python3"
                  - "/opt/pytorch-mnist/mnist.py"
                  - "--epochs=1"
                  - "--log-path=/katib/mnist.log"
                  - "--lr=${trialParameters.learningRate}"
                  - "--momentum=${trialParameters.momentum}"
                resources:
                  requests:
                    cpu: '1'
                    memory: 2Gi
                  limits:
                    cpu: '10'
                    memory: 20Gi
                    nvidia.com/gpu: '1'
            restartPolicy: Never

Step 3. 생성한 실습 실험 확인

Experiments (AutoML) 목록에서 실험이 정상적으로 생성되었는지 확인합니다.

실험 생성완료 확인
목록에서 생성한 실험을 클릭하여, 실험의 상세 내용(Experiment detail)을 확인합니다.

안내

Katib에 대한 자세한 설명은 Kubeflow > Katib 공식 문서를 확인해 주세요.

지원 도구​

실습 예제를 통해 AutoML 실험 생성​

Step 1. 사전 준비​

학습 데이터 준비​

Step 2. 실습 예제로 새로운 실험 생성​

Step 3. 생성한 실습 실험 확인​