aiauto-client 0.1.15__tar.gz → 0.1.17__tar.gz

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: aiauto-client
-Version: 0.1.15
+Version: 0.1.17
 Summary: AI Auto HPO (Hyperparameter Optimization) Client Library
 Author-email: AIAuto Team <ainode@zeroone.ai>
 Project-URL: Homepage, https://dashboard.common.aiauto.pangyo.ainode.ai
@@ -121,7 +121,7 @@ Jupyter Notebook이나 Python REPL에서 정의한 함수는 Serialize 할 수
 import aiauto
 import optuna
 
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     이 함수는 외부 서버에서 실행됩니다.
     모든 import는 함수 내부에 작성하세요.
@@ -170,7 +170,7 @@ time.sleep(5)
 # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
 
 # objective 함수 정의
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수"""
     x = trial.suggest_float('x', -10, 10)
     y = trial.suggest_float('y', -10, 10)
@@ -214,7 +214,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함
@@ -224,6 +224,8 @@ def objective(trial: optuna.trial.Trial):
     from torch.utils.data import DataLoader, random_split, Subset
     from torchvision import transforms, datasets
     import torch.nn.functional as F
+    
+    import optuna
 
     # 하이퍼파라미터 샘플링
     lr = trial.suggest_float('learning_rate', 1e-5, 1e-1, log=True)
@@ -349,7 +351,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/README.md

@@ -94,7 +94,7 @@ Jupyter Notebook이나 Python REPL에서 정의한 함수는 Serialize 할 수
 import aiauto
 import optuna
 
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     이 함수는 외부 서버에서 실행됩니다.
     모든 import는 함수 내부에 작성하세요.
@@ -143,7 +143,7 @@ time.sleep(5)
 # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
 
 # objective 함수 정의
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수"""
     x = trial.suggest_float('x', -10, 10)
     y = trial.suggest_float('y', -10, 10)
@@ -187,7 +187,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함
@@ -197,6 +197,8 @@ def objective(trial: optuna.trial.Trial):
     from torch.utils.data import DataLoader, random_split, Subset
     from torchvision import transforms, datasets
     import torch.nn.functional as F
+    
+    import optuna
 
     # 하이퍼파라미터 샘플링
     lr = trial.suggest_float('learning_rate', 1e-5, 1e-1, log=True)
@@ -322,7 +324,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/examples/example_torch_multiple_objective.py

@@ -49,6 +49,7 @@ def objective_multi(trial):
     from fvcore.nn import FlopCountAnalysis
 
     from optuna.artifacts import upload_artifact
+    import aiauto
 
 
     # objective 함수의 매개변수로 받아온 optuna 자체의 trial 을 aiauto 에서 사용하는 TrialController 로 Warpping Log 찍는 용도
@@ -259,6 +260,7 @@ def objective_detailed(trial):
     from fvcore.nn import FlopCountAnalysis
 
     from optuna.artifacts import upload_artifact
+    import aiauto
 
 
     # objective 함수의 매개변수로 받아온 optuna 자체의 trial 을 aiauto 에서 사용하는 TrialController 로 Warpping Log 찍는 용도

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/examples/example_torch_single_objective.py

@@ -47,7 +47,9 @@ def objective_single(trial):
     from torchvision import transforms, datasets
     import torch.nn.functional as F
 
+    import optuna
     from optuna.artifacts import upload_artifact
+    import aiauto
 
 
     # objective 함수의 매개변수로 받아온 optuna 자체의 trial 을 aiauto 에서 사용하는 TrialController 로 Warpping Log 찍는 용도
@@ -153,10 +155,10 @@ def objective_single(trial):
         root="/tmp/cifar10_data",  # Pod의 임시 디렉토리 사용
         train=True,
         download=True,
-        transform=[
+        transform=transforms.Compose([
             transforms.ToTensor(),
             transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
-        ],
+        ]),
     )
     # 전체 데이터를 train, valid로 분할
     n_total = len(dataset)
@@ -261,6 +263,7 @@ def objective_detailed(trial):
     import torch.nn.functional as F
 
     from optuna.artifacts import upload_artifact
+    import aiauto
 
 
     # objective 함수의 매개변수로 받아온 optuna 자체의 trial 을 aiauto 에서 사용하는 TrialController 로 Warpping Log 찍는 용도
@@ -352,19 +355,19 @@ def objective_detailed(trial):
         root="/tmp/cifar10_data",
         train=True,
         download=True,
-        transform=[
+        transform=transforms.Compose([
             transforms.ToTensor(),
             transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
-        ],
+        ]),
     )
     test_dataset = datasets.CIFAR10(
         root="/tmp/cifar10_data",
         train=False,
         download=True,
-        transform=[
+        transform=transforms.Compose([
             transforms.ToTensor(),
             transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
-        ],
+        ]),
     )
 
     tc.log(f'full dataset: train {len(train_dataset)}, test {len(test_dataset)}')

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/examples/simple_example.py

@@ -26,7 +26,7 @@ ac = aiauto.AIAutoController('<token>')
 
 
 # single objective accuracy
-def simple_objective(trial):
+def objective_simple(trial):
     import optuna
     import aiauto
     """
@@ -74,7 +74,7 @@ if __name__ == '__main__':
         # runtime_image = "ghcr.io/astral-sh/uv:python3.8-bookworm-slim",  # default image for use_gpu False
     )
     time.sleep(5)
-    
+
     study = study_wrapper.get_study()
 
     print('\nBest trials:')

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "aiauto-client"
-version = "0.1.15"
+version = "0.1.17"
 description = "AI Auto HPO (Hyperparameter Optimization) Client Library"
 readme = "README.md"
 requires-python = ">=3.8"

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/src/aiauto/core.py

@@ -190,7 +190,7 @@ class StudyWrapper:
         requirements_list: Optional[List[str]] = None,
         resources_requests: Optional[Dict[str, str]] = None,
         resources_limits: Optional[Dict[str, str]] = None,
-        runtime_image: Optional[str] = 'ghcr.io/astral-sh/uv:python3.8-bookworm-slim',
+        runtime_image: Optional[str] = None,
         use_gpu: bool = False
     ) -> None:
         # 리소스 기본값 설정
@@ -199,13 +199,13 @@ class StudyWrapper:
                 resources_requests = {"cpu": "2", "memory": "4Gi"}
             else:
                 resources_requests = {"cpu": "1", "memory": "1Gi"}
-        
+
         if resources_limits is None:
             if use_gpu:
                 resources_limits = {"cpu": "2", "memory": "4Gi"}
             else:
                 resources_limits = {"cpu": "1", "memory": "1Gi"}
-        
+
         if runtime_image is None or runtime_image == "":
             if use_gpu:
                 runtime_image = "pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime"

{aiauto_client-0.1.15 → aiauto_client-0.1.17}/src/aiauto_client.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: aiauto-client
-Version: 0.1.15
+Version: 0.1.17
 Summary: AI Auto HPO (Hyperparameter Optimization) Client Library
 Author-email: AIAuto Team <ainode@zeroone.ai>
 Project-URL: Homepage, https://dashboard.common.aiauto.pangyo.ainode.ai
@@ -121,7 +121,7 @@ Jupyter Notebook이나 Python REPL에서 정의한 함수는 Serialize 할 수
 import aiauto
 import optuna
 
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     이 함수는 외부 서버에서 실행됩니다.
     모든 import는 함수 내부에 작성하세요.
@@ -170,7 +170,7 @@ time.sleep(5)
 # `https://dashboard.common.aiauto.pangyo.ainode.ai/study` 에서 생성된 study 확인 가능
 
 # objective 함수 정의
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수"""
     x = trial.suggest_float('x', -10, 10)
     y = trial.suggest_float('y', -10, 10)
@@ -214,7 +214,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함
@@ -224,6 +224,8 @@ def objective(trial: optuna.trial.Trial):
     from torch.utils.data import DataLoader, random_split, Subset
     from torchvision import transforms, datasets
     import torch.nn.functional as F
+    
+    import optuna
 
     # 하이퍼파라미터 샘플링
     lr = trial.suggest_float('learning_rate', 1e-5, 1e-1, log=True)
@@ -349,7 +351,7 @@ time.sleep(5)
 
 # objective 함수 정의
 # https://docs.pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html 참고
-def objective(trial: optuna.trial.Trial):
+def objective(trial):
     """
     실제 실행은 사용자 로컬 컴퓨터가 아닌 서버에서 실행 될 함수
     모든 import는 함수 내부에 존재해야 함