aiauto-client 0.1.10__tar.gz → 0.1.11__tar.gz

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (20) hide show
  1. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/PKG-INFO +23 -23
  2. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/README.md +22 -22
  3. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/pyproject.toml +1 -1
  4. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/PKG-INFO +23 -23
  5. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/MANIFEST.in +0 -0
  6. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/examples/example_torch_multiple_objective.py +0 -0
  7. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/examples/example_torch_single_objective.py +0 -0
  8. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/examples/simple_example.py +0 -0
  9. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/setup.cfg +0 -0
  10. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/__init__.py +0 -0
  11. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/_config.py +0 -0
  12. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/constants.py +0 -0
  13. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/core.py +0 -0
  14. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/http_client.py +0 -0
  15. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto/serializer.py +0 -0
  16. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/SOURCES.txt +0 -0
  17. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/dependency_links.txt +0 -0
  18. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/requires.txt +0 -0
  19. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/top_level.txt +0 -0
  20. {aiauto_client-0.1.10 → aiauto_client-0.1.11}/tests/test_local_storage.py +0 -0
{aiauto_client-0.1.10 → aiauto_client-0.1.11}/PKG-INFO RENAMED
@@ -1,6 +1,6 @@
1
1
  Metadata-Version: 2.1
2
2
  Name: aiauto-client
3
- Version: 0.1.10
3
+ Version: 0.1.11
4
4
  Summary: AI Auto HPO (Hyperparameter Optimization) Client Library
5
5
  Author-email: AIAuto Team <ainode@zeroone.ai>
6
6
  Project-URL: Homepage, https://dashboard.common.aiauto.pangyo.ainode.ai
@@ -68,23 +68,23 @@ for image in aiauto.RUNTIME_IMAGES:
68
68
 
69
69
  ## 실행 흐름
70
70
  ### token 발급 # TODO
71
- - `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
72
- - `https://dashboard.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
71
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
72
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
73
73
  - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
74
74
  ```python
75
75
  import aiauto
76
76
 
77
77
  ac = aiauto.AIAutoController('<token>')
78
78
  ```
79
- - `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
80
- - 아래 코드 처럼 study 를 생성하면 `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
79
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
80
+ - 아래 코드 처럼 study 를 생성하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
81
81
  ```python
82
82
  study_wrapper = ac.create_study(
83
83
  study_name='test',
84
84
  direction='maximize', # or 'minimize'
85
85
  )
86
86
  ```
87
- - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
87
+ - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
88
88
  ```python
89
89
  study_wrapper.optimize(
90
90
  objective=func_with_parameter_trial,
@@ -148,10 +148,10 @@ import optuna
148
148
  import aiauto
149
149
 
150
150
 
151
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
151
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
152
152
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
153
153
  ac = aiauto.AIAutoController('<token>')
154
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
154
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
155
155
 
156
156
  # StudyWrapper 생성
157
157
  study_wrapper = ac.create_study(
@@ -159,7 +159,7 @@ study_wrapper = ac.create_study(
159
159
  direction="minimize"
160
160
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
161
161
  )
162
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
162
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
163
163
 
164
164
  # objective 함수 정의
165
165
  def objective(trial: optuna.trial.Trial):
@@ -174,7 +174,7 @@ study_wrapper.optimize(
174
174
  n_trials=100,
175
175
  parallelism=4 # 동시 실행 Pod 수
176
176
  )
177
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
177
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
178
178
  ```
179
179
 
180
180
  ### 2. PyTorch 모델 최적화 (Single Objective)
@@ -184,10 +184,10 @@ import optuna
184
184
  import aiauto
185
185
 
186
186
 
187
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
187
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
188
188
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
189
189
  ac = aiauto.AIAutoController('<token>')
190
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
190
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
191
191
 
192
192
  # StudyWrapper 생성
193
193
  study_wrapper = ac.create_study(
@@ -199,7 +199,7 @@ study_wrapper = ac.create_study(
199
199
  patience=4,
200
200
  ),
201
201
  )
202
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
202
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
203
203
 
204
204
  # objective 함수 정의
205
205
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -315,10 +315,10 @@ import optuna
315
315
  import aiauto
316
316
 
317
317
 
318
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
318
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
319
319
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
320
320
  ac = aiauto.AIAutoController('<token>')
321
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
321
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
322
322
 
323
323
  # StudyWrapper 생성
324
324
  study_wrapper = ac.create_study(
@@ -326,7 +326,7 @@ study_wrapper = ac.create_study(
326
326
  direction=["minimize", "minimize"], # loss minimize, FLOPS minimize
327
327
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
328
328
  )
329
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
329
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
330
330
 
331
331
  # objective 함수 정의
332
332
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -442,10 +442,10 @@ study_wrapper.optimize(
442
442
  import optuna
443
443
  import aiauto
444
444
 
445
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
445
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
446
446
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
447
447
  ac = aiauto.AIAutoController('<token>')
448
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
448
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
449
449
 
450
450
  # Study 생성
451
451
  study_wrapper = ac.create_study(
@@ -457,7 +457,7 @@ study_wrapper = ac.create_study(
457
457
  # patience=4,
458
458
  # )
459
459
  )
460
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
460
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
461
461
 
462
462
  # 실제 optuna.Study 객체 획득 (로컬에서 ask/tell 가능)
463
463
  study = study_wrapper.get_study()
@@ -474,7 +474,7 @@ ret = (x - 2) ** 2 + (y - 3) ** 2
474
474
 
475
475
  # 결과 보고
476
476
  study.tell(trial, ret)
477
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
477
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
478
478
  ```
479
479
 
480
480
  # lib build
@@ -495,11 +495,11 @@ make build push
495
495
  2) `StudyWrapper.get_study()` → 실제 `optuna.Study` 로드 후 **ask/tell** 직접 사용
496
496
 
497
497
  ### 2) 네트워크/도메인 규칙 (필수)
498
- - **Connect RPC (HTTPS/443)**: `https://api.aiauto.pangyo.ainode.ai`
498
+ - **Connect RPC (HTTPS/443)**: `https://api.common.aiauto.pangyo.ainode.ai`
499
499
  - **Optuna Storage (gRPC, 평문 h2c/13000)**:
500
500
  `{userID}.journal-grpc-storage-proxy.aiauto.pangyo.ainode.ai:13000`
501
501
  → **항상 평문(h2c)**. 443/TLS 시도 **금지**.
502
- - 대시보드(웹): `https://dashboard.aiauto.pangyo.ainode.ai`
502
+ - 대시보드(웹): `https://dashboard.common.aiauto.pangyo.ainode.ai`
503
503
 
504
504
  ### 3) 호출 순서 (결정 트리)
505
505
  1) 컨트롤러 생성: `AIAutoController(token)` → 토큰 검증 & 워크스페이스/엔드포인트 획득
@@ -554,7 +554,7 @@ real.tell(t, (x - 2) ** 2)
554
554
 
555
555
  ### 6) 에러 응답 템플릿(자동 응답 가이드)
556
556
  - 초기화/토큰 문제 감지:
557
- - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.aiauto.pangyo.ainode.ai”
557
+ - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.common.aiauto.pangyo.ainode.ai”
558
558
  - `get_study()` 연결 실패(스토리지 준비 전):
559
559
  - “Workspace/Storage가 아직 준비 중일 수 있어요. 잠시 후 다시 시도하거나 대시보드에서 상태를 확인해 주세요.”
560
560
 
{aiauto_client-0.1.10 → aiauto_client-0.1.11}/README.md RENAMED
@@ -41,23 +41,23 @@ for image in aiauto.RUNTIME_IMAGES:
41
41
 
42
42
  ## 실행 흐름
43
43
  ### token 발급 # TODO
44
- - `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
45
- - `https://dashboard.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
44
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
45
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
46
46
  - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
47
47
  ```python
48
48
  import aiauto
49
49
 
50
50
  ac = aiauto.AIAutoController('<token>')
51
51
  ```
52
- - `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
53
- - 아래 코드 처럼 study 를 생성하면 `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
52
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
53
+ - 아래 코드 처럼 study 를 생성하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
54
54
  ```python
55
55
  study_wrapper = ac.create_study(
56
56
  study_name='test',
57
57
  direction='maximize', # or 'minimize'
58
58
  )
59
59
  ```
60
- - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
60
+ - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
61
61
  ```python
62
62
  study_wrapper.optimize(
63
63
  objective=func_with_parameter_trial,
@@ -121,10 +121,10 @@ import optuna
121
121
  import aiauto
122
122
 
123
123
 
124
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
124
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
125
125
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
126
126
  ac = aiauto.AIAutoController('<token>')
127
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
127
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
128
128
 
129
129
  # StudyWrapper 생성
130
130
  study_wrapper = ac.create_study(
@@ -132,7 +132,7 @@ study_wrapper = ac.create_study(
132
132
  direction="minimize"
133
133
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
134
134
  )
135
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
135
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
136
136
 
137
137
  # objective 함수 정의
138
138
  def objective(trial: optuna.trial.Trial):
@@ -147,7 +147,7 @@ study_wrapper.optimize(
147
147
  n_trials=100,
148
148
  parallelism=4 # 동시 실행 Pod 수
149
149
  )
150
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
150
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
151
151
  ```
152
152
 
153
153
  ### 2. PyTorch 모델 최적화 (Single Objective)
@@ -157,10 +157,10 @@ import optuna
157
157
  import aiauto
158
158
 
159
159
 
160
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
160
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
161
161
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
162
162
  ac = aiauto.AIAutoController('<token>')
163
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
163
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
164
164
 
165
165
  # StudyWrapper 생성
166
166
  study_wrapper = ac.create_study(
@@ -172,7 +172,7 @@ study_wrapper = ac.create_study(
172
172
  patience=4,
173
173
  ),
174
174
  )
175
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
175
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
176
176
 
177
177
  # objective 함수 정의
178
178
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -288,10 +288,10 @@ import optuna
288
288
  import aiauto
289
289
 
290
290
 
291
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
291
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
292
292
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
293
293
  ac = aiauto.AIAutoController('<token>')
294
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
294
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
295
295
 
296
296
  # StudyWrapper 생성
297
297
  study_wrapper = ac.create_study(
@@ -299,7 +299,7 @@ study_wrapper = ac.create_study(
299
299
  direction=["minimize", "minimize"], # loss minimize, FLOPS minimize
300
300
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
301
301
  )
302
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
302
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
303
303
 
304
304
  # objective 함수 정의
305
305
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -415,10 +415,10 @@ study_wrapper.optimize(
415
415
  import optuna
416
416
  import aiauto
417
417
 
418
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
418
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
419
419
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
420
420
  ac = aiauto.AIAutoController('<token>')
421
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
421
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
422
422
 
423
423
  # Study 생성
424
424
  study_wrapper = ac.create_study(
@@ -430,7 +430,7 @@ study_wrapper = ac.create_study(
430
430
  # patience=4,
431
431
  # )
432
432
  )
433
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
433
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
434
434
 
435
435
  # 실제 optuna.Study 객체 획득 (로컬에서 ask/tell 가능)
436
436
  study = study_wrapper.get_study()
@@ -447,7 +447,7 @@ ret = (x - 2) ** 2 + (y - 3) ** 2
447
447
 
448
448
  # 결과 보고
449
449
  study.tell(trial, ret)
450
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
450
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
451
451
  ```
452
452
 
453
453
  # lib build
@@ -468,11 +468,11 @@ make build push
468
468
  2) `StudyWrapper.get_study()` → 실제 `optuna.Study` 로드 후 **ask/tell** 직접 사용
469
469
 
470
470
  ### 2) 네트워크/도메인 규칙 (필수)
471
- - **Connect RPC (HTTPS/443)**: `https://api.aiauto.pangyo.ainode.ai`
471
+ - **Connect RPC (HTTPS/443)**: `https://api.common.aiauto.pangyo.ainode.ai`
472
472
  - **Optuna Storage (gRPC, 평문 h2c/13000)**:
473
473
  `{userID}.journal-grpc-storage-proxy.aiauto.pangyo.ainode.ai:13000`
474
474
  → **항상 평문(h2c)**. 443/TLS 시도 **금지**.
475
- - 대시보드(웹): `https://dashboard.aiauto.pangyo.ainode.ai`
475
+ - 대시보드(웹): `https://dashboard.common.aiauto.pangyo.ainode.ai`
476
476
 
477
477
  ### 3) 호출 순서 (결정 트리)
478
478
  1) 컨트롤러 생성: `AIAutoController(token)` → 토큰 검증 & 워크스페이스/엔드포인트 획득
@@ -527,7 +527,7 @@ real.tell(t, (x - 2) ** 2)
527
527
 
528
528
  ### 6) 에러 응답 템플릿(자동 응답 가이드)
529
529
  - 초기화/토큰 문제 감지:
530
- - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.aiauto.pangyo.ainode.ai”
530
+ - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.common.aiauto.pangyo.ainode.ai”
531
531
  - `get_study()` 연결 실패(스토리지 준비 전):
532
532
  - “Workspace/Storage가 아직 준비 중일 수 있어요. 잠시 후 다시 시도하거나 대시보드에서 상태를 확인해 주세요.”
533
533
 
{aiauto_client-0.1.10 → aiauto_client-0.1.11}/pyproject.toml RENAMED
@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
4
4
 
5
5
  [project]
6
6
  name = "aiauto-client"
7
- version = "0.1.10"
7
+ version = "0.1.11"
8
8
  description = "AI Auto HPO (Hyperparameter Optimization) Client Library"
9
9
  readme = "README.md"
10
10
  requires-python = ">=3.8"
{aiauto_client-0.1.10 → aiauto_client-0.1.11}/src/aiauto_client.egg-info/PKG-INFO RENAMED
@@ -1,6 +1,6 @@
1
1
  Metadata-Version: 2.1
2
2
  Name: aiauto-client
3
- Version: 0.1.10
3
+ Version: 0.1.11
4
4
  Summary: AI Auto HPO (Hyperparameter Optimization) Client Library
5
5
  Author-email: AIAuto Team <ainode@zeroone.ai>
6
6
  Project-URL: Homepage, https://dashboard.common.aiauto.pangyo.ainode.ai
@@ -68,23 +68,23 @@ for image in aiauto.RUNTIME_IMAGES:
68
68
 
69
69
  ## 실행 흐름
70
70
  ### token 발급 # TODO
71
- - `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
72
- - `https://dashboard.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
71
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
72
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
73
73
  - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
74
74
  ```python
75
75
  import aiauto
76
76
 
77
77
  ac = aiauto.AIAutoController('<token>')
78
78
  ```
79
- - `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
80
- - 아래 코드 처럼 study 를 생성하면 `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
79
+ - `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
80
+ - 아래 코드 처럼 study 를 생성하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
81
81
  ```python
82
82
  study_wrapper = ac.create_study(
83
83
  study_name='test',
84
84
  direction='maximize', # or 'minimize'
85
85
  )
86
86
  ```
87
- - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
87
+ - 아래 코드 처럼 생성한 study 애서 objective 함수를 작성하여 넘겨주면 optimize 를 호출하면 `https://dashboard.common.aiauto.pangyo.ainode.ai/trialbatch` 에서 확인할 수 있고 optuna-dashboard 링크에서도 확인 가능
88
88
  ```python
89
89
  study_wrapper.optimize(
90
90
  objective=func_with_parameter_trial,
@@ -148,10 +148,10 @@ import optuna
148
148
  import aiauto
149
149
 
150
150
 
151
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
151
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
152
152
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
153
153
  ac = aiauto.AIAutoController('<token>')
154
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
154
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
155
155
 
156
156
  # StudyWrapper 생성
157
157
  study_wrapper = ac.create_study(
@@ -159,7 +159,7 @@ study_wrapper = ac.create_study(
159
159
  direction="minimize"
160
160
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
161
161
  )
162
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
162
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
163
163
 
164
164
  # objective 함수 정의
165
165
  def objective(trial: optuna.trial.Trial):
@@ -174,7 +174,7 @@ study_wrapper.optimize(
174
174
  n_trials=100,
175
175
  parallelism=4 # 동시 실행 Pod 수
176
176
  )
177
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
177
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
178
178
  ```
179
179
 
180
180
  ### 2. PyTorch 모델 최적화 (Single Objective)
@@ -184,10 +184,10 @@ import optuna
184
184
  import aiauto
185
185
 
186
186
 
187
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
187
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
188
188
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
189
189
  ac = aiauto.AIAutoController('<token>')
190
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
190
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
191
191
 
192
192
  # StudyWrapper 생성
193
193
  study_wrapper = ac.create_study(
@@ -199,7 +199,7 @@ study_wrapper = ac.create_study(
199
199
  patience=4,
200
200
  ),
201
201
  )
202
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
202
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
203
203
 
204
204
  # objective 함수 정의
205
205
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -315,10 +315,10 @@ import optuna
315
315
  import aiauto
316
316
 
317
317
 
318
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
318
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
319
319
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
320
320
  ac = aiauto.AIAutoController('<token>')
321
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
321
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
322
322
 
323
323
  # StudyWrapper 생성
324
324
  study_wrapper = ac.create_study(
@@ -326,7 +326,7 @@ study_wrapper = ac.create_study(
326
326
  direction=["minimize", "minimize"], # loss minimize, FLOPS minimize
327
327
  # sampler=optuna.samplers.TPESampler(), # optuna 에서 제공하는 sampler 그대로 사용 가능, 참고 https://optuna.readthedocs.io/en/stable/reference/samplers/index.html
328
328
  )
329
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
329
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
330
330
 
331
331
  # objective 함수 정의
332
332
  # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
@@ -442,10 +442,10 @@ study_wrapper.optimize(
442
442
  import optuna
443
443
  import aiauto
444
444
 
445
- # `https://dashboard.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
445
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후 aiauto 의 token 을 발급
446
446
  # AIAutoController singleton 객체를 초기화 하여, OptunaWorkspace 를 활성화 시킨다 (토큰은 한 번만 설정)
447
447
  ac = aiauto.AIAutoController('<token>')
448
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
448
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 OptunaWorkspace 와 optuna-dashboard 링크를 확인할 수 있음
449
449
 
450
450
  # Study 생성
451
451
  study_wrapper = ac.create_study(
@@ -457,7 +457,7 @@ study_wrapper = ac.create_study(
457
457
  # patience=4,
458
458
  # )
459
459
  )
460
- # `https://dashboard.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
460
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
461
461
 
462
462
  # 실제 optuna.Study 객체 획득 (로컬에서 ask/tell 가능)
463
463
  study = study_wrapper.get_study()
@@ -474,7 +474,7 @@ ret = (x - 2) ** 2 + (y - 3) ** 2
474
474
 
475
475
  # 결과 보고
476
476
  study.tell(trial, ret)
477
- # `https://dashboard.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
477
+ # `https://dashboard.common.aiauto.pangyo.ainode.ai/workspace` 에서 생성된 optuna-dashboard 링크에서 결과 확인 가능
478
478
  ```
479
479
 
480
480
  # lib build
@@ -495,11 +495,11 @@ make build push
495
495
  2) `StudyWrapper.get_study()` → 실제 `optuna.Study` 로드 후 **ask/tell** 직접 사용
496
496
 
497
497
  ### 2) 네트워크/도메인 규칙 (필수)
498
- - **Connect RPC (HTTPS/443)**: `https://api.aiauto.pangyo.ainode.ai`
498
+ - **Connect RPC (HTTPS/443)**: `https://api.common.aiauto.pangyo.ainode.ai`
499
499
  - **Optuna Storage (gRPC, 평문 h2c/13000)**:
500
500
  `{userID}.journal-grpc-storage-proxy.aiauto.pangyo.ainode.ai:13000`
501
501
  → **항상 평문(h2c)**. 443/TLS 시도 **금지**.
502
- - 대시보드(웹): `https://dashboard.aiauto.pangyo.ainode.ai`
502
+ - 대시보드(웹): `https://dashboard.common.aiauto.pangyo.ainode.ai`
503
503
 
504
504
  ### 3) 호출 순서 (결정 트리)
505
505
  1) 컨트롤러 생성: `AIAutoController(token)` → 토큰 검증 & 워크스페이스/엔드포인트 획득
@@ -554,7 +554,7 @@ real.tell(t, (x - 2) ** 2)
554
554
 
555
555
  ### 6) 에러 응답 템플릿(자동 응답 가이드)
556
556
  - 초기화/토큰 문제 감지:
557
- - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.aiauto.pangyo.ainode.ai”
557
+ - “대시보드에서 토큰을 재발급한 뒤 다시 시도하세요: https://dashboard.common.aiauto.pangyo.ainode.ai”
558
558
  - `get_study()` 연결 실패(스토리지 준비 전):
559
559
  - “Workspace/Storage가 아직 준비 중일 수 있어요. 잠시 후 다시 시도하거나 대시보드에서 상태를 확인해 주세요.”
560
560
 
{aiauto_client-0.1.10 → aiauto_client-0.1.11}/setup.cfg RENAMED
File without changes