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

# スイープ

> W&B スイープによるハイパーパラメーター探索とモデル最適化

<CardGroup cols={2}>
  <Card title="Try in Colab" href="https://colab.research.google.com/github/wandb/examples/blob/master/colabs/pytorch/Organizing_Hyperparameter_Sweeps_in_PyTorch_with_W%26B.ipynb" icon="python" />

  <Card title="Try in W&B" href="https://wandb.ai/stacey/deep-drive/workspace?workspace=user-lavanyashukla" icon="sliders-up" />
</CardGroup>

W\&B Sweeps を使用してハイパーパラメータ検索を自動化し、豊富でインタラクティブな実験管理を視覚化します。ベイズ、グリッド検索、ランダムなどの一般的な検索メソッドから選択して、ハイパーパラメータ空間を探索できます。スイープを 1 台以上のマシンにわたってスケールし、並列化します。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/sweeps/intro_what_it_is.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=a398871db344a0aa7cb2591eb5c0030a" alt="インタラクティブなダッシュボードで大規模なハイパーパラメータチューニング実験からインサイトを引き出します。" width="1074" height="870" data-path="images/sweeps/intro_what_it_is.png" />
</Frame>

### 仕組み

2 つの [W\&B CLI](/ja/models/ref/cli/) コマンドで sweep を作成します:

1. スイープを初期化する

```bash theme={null}
wandb sweep --project <propject-name> <path-to-config file>
```

2. スイープエージェントを開始する

```bash theme={null}
wandb agent <sweep-ID>
```

<Note>
  上記のコードスニペットとこのページにリンクされている colab は、W\&B CLI でスイープを初期化し作成する方法を示しています。W\&B Python SDK コマンドを使用してスイープ設定を定義し、スイープを初期化・開始する手順については Sweeps の[ウォークスルー](/ja/models/sweeps/walkthrough/)をご覧ください。
</Note>

### 開始方法

ユースケースに応じて、W\&B Sweeps の開始に役立つ次のリソースを探索してください:

* スイープ設定を定義し、スイープを初期化・開始するための W\&B Python SDK コマンドの手順については、[スイープのウォークスルー](/ja/models/sweeps/walkthrough/)をお読みください。
* 次のチャプターを探索して以下を学びます:
  * [W\&B をコードに追加する](/ja/models/sweeps/add-w-and-b-to-your-code/)
  * [スイープ設定を定義する](/ja/models/sweeps/define-sweep-configuration/)
  * [スイープを初期化する](/ja/models/sweeps/initialize-sweeps/)
  * [スイープエージェントを開始する](/ja/models/sweeps/start-sweep-agents/)
  * [スイープ結果を視覚化する](/ja/models/sweeps/visualize-sweep-results/)
* W\&B Sweeps を使用したハイパーパラメータ最適化を探索する [スイープ実験の厳選リスト](/ja/models/sweeps/useful-resources/)を探索します。結果は W\&B Reports に保存されます。

ステップバイステップのビデオについては、こちらをご覧ください: [Tune Hyperparameters Easily with W\&B Sweeps](https://www.youtube.com/watch?v=9zrmUIlScdY\&ab_channel=Weights%26Biases).