> ## 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.

# Sweeps

> W&B Sweeps를 사용한 하이퍼파라미터 검색 및 모델 최적화

<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 를 사용하여 하이퍼파라미터 검색을 자동화하고 풍부하고 인터랙티브한 experiment 추적을 시각화하세요. Bayesian, 그리드 검색 및 random과 같은 인기 있는 검색 방법 중에서 선택하여 하이퍼파라미터 공간을 검색합니다. 하나 이상의 시스템에서 스윕을 확장하고 병렬화합니다.

<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="인터랙티브한 대시보드를 통해 대규모 하이퍼파라미터 튜닝 Experiments에서 통찰력을 얻으세요." width="1074" height="870" data-path="images/sweeps/intro_what_it_is.png" />
</Frame>

### 작동 방식

두 개의 [W\&B CLI](/ko/models/ref/cli/) 명령으로 스윕을 생성합니다.

1. 스윕 초기화

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

2. 스윕 에이전트 시작

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

<Note>
  위의 코드 조각과 이 페이지에 링크된 colab은 W\&B CLI로 스윕을 초기화하고 생성하는 방법을 보여줍니다. 스윕 구성을 정의하고 스윕을 초기화하고 스윕을 시작하는 데 사용할 W\&B Python SDK 명령에 대한 단계별 개요는 Sweeps [WalkThrough](/ko/models/sweeps/walkthrough/)를 참조하세요.
</Note>

### 시작 방법

유스 케이스에 따라 다음 리소스를 탐색하여 W\&B Sweeps를 시작하세요.

* 스윕 구성을 정의하고 스윕을 초기화하고 스윕을 시작하는 데 사용할 W\&B Python SDK 명령에 대한 단계별 개요는 [스윕 워크스루](/ko/models/sweeps/walkthrough/)를 읽어보세요.
* 다음 방법을 배우려면 이 챕터를 살펴보세요.
  * [W\&B를 코드에 추가](/ko/models/sweeps/add-w-and-b-to-your-code/)
  * [스윕 구성 정의](/ko/models/sweeps/define-sweep-configuration/)
  * [스윕 초기화](/ko/models/sweeps/initialize-sweeps/)
  * [스윕 에이전트 시작](/ko/models/sweeps/start-sweep-agents/)
  * [스윕 결과 시각화](/ko/models/sweeps/visualize-sweep-results/)
* W\&B Sweeps를 사용한 하이퍼파라미터 최적화를 탐색하는 [선별된 스윕 Experiments 목록](/ko/models/sweeps/useful-resources/)을 탐색합니다. 결과는 W\&B Reports에 저장됩니다.

단계별 비디오는 [W\&B Sweeps로 하이퍼파라미터를 쉽게 튜닝하세요](https://www.youtube.com/watch?v=9zrmUIlScdY\&ab_channel=Weights%26Biases)를 참조하세요.