MLOps Academy · บทเรียน

กำหนดพารามิเตอร์การรันด้วย params.yaml

ทดลองค่าพารามิเตอร์ไฮเปอร์พารามิเตอร์โดยไม่ต้องแก้โค้ด

กำหนดพารามิเตอร์การรันด้วย params.yaml เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

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. 🧪

คำถามที่พบบ่อย

บทเรียน “กำหนดพารามิเตอร์การรันด้วย params.yaml” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “กำหนดพารามิเตอร์การรันด้วย params.yaml” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “กำหนดพารามิเตอร์การรันด้วย params.yaml”

ทดลองค่าพารามิเตอร์ไฮเปอร์พารามิเตอร์โดยไม่ต้องแก้โค้ด คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน

บทเรียน “กำหนดพารามิเตอร์การรันด้วย params.yaml” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม

ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ MLOps Academy