스파클링소다 4.0 노트북(Notebook) Experiments

목록

• 들어가며
• Experiments 생성
• Trial 진행
• 마무리

들어가며

• 이전 아티클에서 Local Trial을 진행하며 학습,평가,배포 코드의 정상 실행 여부를 확인해 보았습니다.
  
  
• 이번 아티클에서는 experiments(실험실) 생성 후 실행(trial)하는 방법을 알아보겠습니다.

experiments 생성 후 trial을 실행하는 작업과 notebook에서 코드를 실행하는 local trial 작업은 동일한 작업입니다. 하지만 모델 배포를 진행하기 위해서는 experiments를 생성하여 진행합니다.

local trial은 작성한 코드의 정상 실행 여부를 확인하는 용도로 사용하면 되겠습니다.

• 포탈 접속은 고객사에서 사전 신청한 도메인(url)로 접속합니다.초기 포탈 로그인 정보는 다음과 같습니다.
  User ID : superuser
  Password : superuser$01
  

지난 아티클에서 관리계정 또는 일반 계정을 생성하였다면 해당 계정으로 접속합니다.

Experiments 생성

• 지난 아티클에서 생성한 프로젝트의 EXPERIMENTS 탭으로 이동합니다.
  
  
  
• experiments 생성하기 위해 Create를 클릭합니다.
  
  
  
• 생성할 experiment의 설정을 하고 저장합니다.A. Type : experiment의 타입을 지정합니다.(이번 아티클에서는 normal을 선택합니다.)
  
  B. General : 생성할 experiment의 정보를 입력합니다.

- Title : experiment의 이름을 입력합니다.

- MLCode Commit Version : 이전 아티클에서 gitlab에 push한 코드를 사용하기 위해 커밋 버전을 지정합니다.

- Python module : 학습, 평가, 배포등 용도에 맞는 파이썬 모듈을 선택합니다.
- Base Image : experiment에서 trial 실행할 때 사용할 도커이미지를 지정합니다.

C : Training Parameters : 학습 파라미터를 조절합니다.

D : Evaluation Parameters : 평가 파라미터를 조절합니다.

• 설정 저장시 experiment 생성되는 로그를 확인할 수 있으며 완료되면 아래와 같이 목록에서 확인 가능합니다.
  
  
  
• experiment 이름을 클릭하면 아래와 같은 페이지로 이동합니다. 이곳에서 trial을 진행합니다.
  

Trial 진행

• create를 클릭하여 trial을 생성하면 trial 정보를 설정합니다.
  A. General : trial 정보를 입력합니다.

- Experiment : trial이 실행되는 experiment이며 자동으로 값이 채워집니다.
- Title : trial의 이름을 지정합니다.

- Python module : 사용할 파이썬 모듈을 선택합니다.(이번 아티클은 학습을 진행하므로 train.py를 지정합니다.)

- Cron Trial : 주기적으로 실행하려면 스케줄을 지정합니다.

B. Resource : trial 진행시 사용할 리소스를 지정합니다.

gpu, cpu, memory등을 고려하여 지정하며 리소스가 부족할 경우 trial 진행중 오류가 발생합니다.

C. Dataset : 학습에 사용될 데이터셋을 지정합니다. (데이터셋 추가 링크 )

D. Start Checkpoint : 재학습을 진행하는 경우 기존에 보유한 모델을 추가합니다.

파라미터는 기본값으로 진행합니다.

• trial 설정을 저장하면 아래와 같이 Running 상태를 확인할 수 있습니다.
  

• trial이 완료되면 Succeeded 상태로 변경되며 Name을 클릭하여 실행된 결과를 확인합니다.
  
  
  
• 지난 Local Trial에서 확인한 결과와 같은 결과를 확인할 수 있습니다.
  
  
  
• 결과 페이지 Artifacts에 학습된 모델 파일을 확인할 수 있습니다.
  
  
  
• 생성된 모델을 서빙하는 과정은 다음 아티클에서 진행합니다.

마무리

• 이번 아티클에서는 experiment 생성 후 trial을 진행하는 방법을 알아 보았습니다.
  
  
• 다음 아티클에서는 모델 서빙하기 위해 model assets에 모델을 등록하는 방법을 알아보겠습니다.