MLOps Academy · Lekcja

Parametryzowanie uruchomień za pomocą params.yaml

Przeszukuj hiperparametry bez edytowania kodu

Parametryzowanie uruchomień za pomocą params.yaml to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Stop Editing Code to Tune

Changing a learning rate by editing train.py is messy and hard to track. DVC reads settings from a file called params.yaml instead. 🎛️

What params.yaml Holds

The params.yaml file is plain YAML holding your hyperparameters, grouped by stage. It becomes the single place to change run settings.

train:
  learning_rate: 0.01
  epochs: 20
prep:
  test_size: 0.2

Declare Params in a Stage

Tell a stage which params it uses with the -p flag. DVC then watches those values for changes, just like file dependencies.

dvc stage add -n train \
  -p train.learning_rate,train.epochs \
  -d data/prepared python train.py

Read Params in Python

In your script, load the YAML and pull the values you need. The code stays generic while the numbers live in params.yaml.

import yaml
p = yaml.safe_load(open("params.yaml"))
lr = p["train"]["learning_rate"]

Change a Value, Re-Run

Edit a param and run dvc repro. DVC sees the value changed and re-runs only the stages that declared that param.

Override Params from the CLI

You can override a value for one run without editing the file using dvc exp run --set-param. Great for quick what-if checks.

dvc exp run --set-param train.epochs=50

Sweep with Experiments

DVC experiments let you queue many param combinations at once, so you can sweep a grid of values without touching code.

dvc exp run --set-param train.learning_rate=0.001
dvc exp run --set-param train.learning_rate=0.1

Compare Runs in a Table

Run dvc exp show to see every experiment's params and metrics side by side. Spotting the best combination becomes a glance.

dvc exp show

Pair Params with Metrics

Declare your output scores as metrics so DVC links each param set to its result. Tuning then becomes a clear cause-and-effect.

Params Live in Git Too

Because params.yaml is text, every tuning change is captured in Git history. You always know which settings produced which model.

Reproducible Sweeps

With params in a file and outputs as metrics, anyone can rerun your exact sweep and get the same numbers. That is real reproducibility.

Quick Check

Recall how params drive re-runs.

Recap: Parameterized Runs

You moved settings into params.yaml, declared them per stage, and swept values with experiments. Tuning is now code-free and reproducible. 🧪

Często zadawane pytania

Czy lekcja „Parametryzowanie uruchomień za pomocą params.yaml” jest bezpłatna?

Tak — pełny tekst „Parametryzowanie uruchomień za pomocą params.yaml” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Parametryzowanie uruchomień za pomocą params.yaml”?

Przeszukuj hiperparametry bez edytowania kodu Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?

Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „Parametryzowanie uruchomień za pomocą params.yaml”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?

Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

Etapy: Ingest, Prep, Train, Eval
Definiowanie potoku za pomocą etapów DVC
Buforowanie i pomijanie niezmienionych kroków
Parametryzowanie uruchomień za pomocą params.yaml

← Powrót do MLOps Academy