> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-2751.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> 기존 W&B 프로젝트에서 sweep 작업을 만드는 방법을 설명하는 튜토리얼입니다.

# 튜토리얼: 프로젝트에서 sweep 작업 만들기

이 튜토리얼에서는 기존 W\&B 프로젝트에서 sweep 작업을 만드는 방법을 설명합니다. 베이스라인 프로젝트를 만들고, 하이퍼파라미터 스윕을 설정하고, 트레이닝 작업을 병렬로 실행하는 에이전트를 시작하는 방법을 안내합니다.

이미지 분류를 수행하도록 PyTorch 합성곱 신경망을 트레이닝하기 위해 [Fashion MNIST 데이터셋](https://github.com/zalandoresearch/fashion-mnist)을 사용합니다. 필요한 코드와 데이터셋은 [W\&B examples 저장소 (PyTorch CNN Fashion)](https://github.com/wandb/examples/tree/master/examples/pytorch/pytorch-cnn-fashion)에 있습니다.

이 [W\&B 대시보드](https://app.wandb.ai/carey/pytorch-cnn-fashion)에서 결과를 살펴보세요.

<div id="create-a-project">
  ## 프로젝트 생성
</div>

먼저 예시 모델을 최소 한 번 트레이닝하여 베이스라인 프로젝트를 만드세요. 이 베이스라인은 이후 단계에서 스윕이 설정을 적용할 기준이 됩니다. W\&B examples GitHub 저장소에서 PyTorch MNIST 데이터셋 예시 모델을 다운로드하세요. 다음으로 모델을 트레이닝하세요. 트레이닝 스크립트는 `examples/pytorch/pytorch-cnn-fashion` 디렉터리에 있습니다.

예시 모델을 다운로드하고 트레이닝하려면 다음을 수행하세요.

1. 저장소를 클론합니다:

   ```bash theme={null}
   git clone https://github.com/wandb/examples.git
   ```

2. 예시 디렉터리로 이동합니다:

   ```bash theme={null}
   cd examples/pytorch/pytorch-cnn-fashion
   ```

3. 트레이닝 스크립트를 수동으로 실행합니다:

   ```bash theme={null}
   python train.py
   ```

4. 선택 사항: W\&B App 대시보드에서 예시를 살펴보세요. [예시 프로젝트 페이지 보기](https://app.wandb.ai/carey/pytorch-cnn-fashion).

이 초기 run이 완료되면 W\&B에 스윕이 이를 기반으로 구축할 수 있는 베이스라인 프로젝트가 생성됩니다.

<div id="create-a-sweep">
  ## 스윕 생성
</div>

베이스라인 프로젝트가 있으면 해당 Run들을 대상으로 스윕을 설정할 수 있습니다. 프로젝트 페이지에서 프로젝트 사이드바의 [**Sweep** 탭](/ko/models/sweeps/visualize-sweep-results)을 열고 **Create Sweep**을 선택하세요.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-2751/CvscwAgEQUx8dSjP/images/sweeps/sweep1.png?fit=max&auto=format&n=CvscwAgEQUx8dSjP&q=85&s=1afd82cc003ce89a28435d29b56ec17f" alt="Sweep 탭이 열려 있고 Create Sweep 버튼이 강조 표시된 W&B 프로젝트 페이지" width="1589" height="636" data-path="images/sweeps/sweep1.png" />
</Frame>

자동 생성된 설정은 완료한 Runs를 기반으로 스윕할 값을 제안합니다. 시도할 하이퍼파라미터 범위를 지정하도록 설정을 편집하세요. 스윕을 시작하면 W\&B의 호스팅된 스윕 서버에서 새 프로세스가 시작됩니다. 이 중앙 집중식 서비스는 에이전트(트레이닝 작업을 실행하는 머신)를 조정합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-2751/CvscwAgEQUx8dSjP/images/sweeps/sweep2.png?fit=max&auto=format&n=CvscwAgEQUx8dSjP&q=85&s=5fda7355146dc064a2a8b839301f2fc6" alt="하이퍼파라미터 범위를 보여 주는 자동 생성된 스윕 설정 편집기" width="2308" height="1768" data-path="images/sweeps/sweep2.png" />
</Frame>

<div id="launch-agents">
  ## 에이전트 시작
</div>

스윕을 설정한 후에는 Runs를 실행할 하나 이상의 에이전트를 시작하세요. 스윕 작업을 더 빨리 완료하려면 서로 다른 머신에서 최대 20개의 에이전트를 병렬로 실행할 수 있습니다. 각 에이전트는 다음에 사용할 파라미터 집합을 출력합니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-2751/CvscwAgEQUx8dSjP/images/sweeps/sweep3.png?fit=max&auto=format&n=CvscwAgEQUx8dSjP&q=85&s=1f03057db4e3be71ca633dd909103b50" alt="다음 하이퍼파라미터 집합을 출력하는 스윕 에이전트의 터미널 출력" width="2082" height="1046" data-path="images/sweeps/sweep3.png" />
</Frame>

이제 에이전트 전반의 트레이닝 작업을 조정하고 결과를 W\&B에 보고하는 스윕이 실행 중입니다. 다음 이미지는 예시 스윕 작업이 실행 중인 대시보드를 보여줍니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-2751/CvscwAgEQUx8dSjP/images/sweeps/sweep4.png?fit=max&auto=format&n=CvscwAgEQUx8dSjP&q=85&s=8c20fe5174a8bd90b78876f128476067" alt="병렬 트레이닝 Runs 전반의 메트릭을 표시하는 스윕 대시보드" width="3346" height="1512" data-path="images/sweeps/sweep4.png" />
</Frame>

<div id="seed-a-new-sweep-with-existing-runs">
  ## 기존 Runs를 사용해 새 스윕 시드 지정
</div>

이전에 로깅한 Runs를 시작점으로 재사용하려면 기존 Runs를 사용해 새 스윕을 시작하세요:

1. 프로젝트 테이블을 여세요.
2. run을 선택하려면 해당 행의 체크박스를 클릭하세요.
3. 드롭다운에서 새 스윕을 생성하는 옵션을 선택하세요.

이제 스윕이 서버에 설정되었습니다. 하나 이상의 에이전트를 실행해 Runs를 시작하세요.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-2751/CvscwAgEQUx8dSjP/images/sweeps/tutorial_sweep_runs.png?fit=max&auto=format&n=CvscwAgEQUx8dSjP&q=85&s=dcff3f8474b4469142d150545c08f180" alt="행이 선택되어 있고 드롭다운에 스윕 생성 옵션이 표시된 프로젝트 Runs 테이블" width="1786" height="1086" data-path="images/sweeps/tutorial_sweep_runs.png" />
</Frame>

<Note>
  새 스윕을 베이지안 스윕으로 시작하면 선택한 Runs도 가우시안 프로세스의 시드로 사용됩니다.
</Note>
