aiauto-client 0.1.18__tar.gz → 0.1.20__tar.gz

{aiauto_client-0.1.18/src/aiauto_client.egg-info → aiauto_client-0.1.20}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: aiauto-client
-Version: 0.1.18
+Version: 0.1.20
 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
@@ -67,7 +67,7 @@ for image in aiauto.RUNTIME_IMAGES:
 ```
 
 ## 실행 흐름
-### token 발급 # TODO
+### token 발급
 - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
 - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
 - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
@@ -101,12 +101,15 @@ time.sleep(5)
 ```python
 study_wrapper.get_status()
 # {'study_name': 'test', 'count_active': 0, 'count_succeeded': 10, 'count_pruned': 0, 'count_failed': 0, 'count_total': 10, 'count_completed': 10, 'dashboard_url': 'https://optuna-dashboard-10f804bb-52be-48e8-aa06-9f5411ed4b0d.aiauto.pangyo.ainode.ai', 'last_error': '', 'updated_at': '2025-09-01T11:31:49.375Z'}
-while study_wrapper.get_status()['count_completed'] <= study_wrapper.get_status()['count_total']:
-    sleep(10)  # 10초 마다 한 번 씩
+while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+    time.sleep(10)  # 10초마다 확인
 ```
 - best trial 을 가져오는 법
 ```python
-TODO
+# 진짜 optuna study 를 받아옴
+real_study = study_wrapper.get_study()
+best_trial = real_study.best_trial
+print(best_trial.params)
 ```
 
 ## Jupyter Notebook 사용 시 주의사항

{aiauto_client-0.1.18 → aiauto_client-0.1.20}/README.md

@@ -40,7 +40,7 @@ for image in aiauto.RUNTIME_IMAGES:
 ```
 
 ## 실행 흐름
-### token 발급 # TODO
+### token 발급
 - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
 - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
 - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
@@ -74,12 +74,15 @@ time.sleep(5)
 ```python
 study_wrapper.get_status()
 # {'study_name': 'test', 'count_active': 0, 'count_succeeded': 10, 'count_pruned': 0, 'count_failed': 0, 'count_total': 10, 'count_completed': 10, 'dashboard_url': 'https://optuna-dashboard-10f804bb-52be-48e8-aa06-9f5411ed4b0d.aiauto.pangyo.ainode.ai', 'last_error': '', 'updated_at': '2025-09-01T11:31:49.375Z'}
-while study_wrapper.get_status()['count_completed'] <= study_wrapper.get_status()['count_total']:
-    sleep(10)  # 10초 마다 한 번 씩
+while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+    time.sleep(10)  # 10초마다 확인
 ```
 - best trial 을 가져오는 법
 ```python
-TODO
+# 진짜 optuna study 를 받아옴
+real_study = study_wrapper.get_study()
+best_trial = real_study.best_trial
+print(best_trial.params)
 ```
 
 ## Jupyter Notebook 사용 시 주의사항

{aiauto_client-0.1.18 → aiauto_client-0.1.20}/examples/example_simple.py

@@ -75,6 +75,10 @@ if __name__ == '__main__':
     )
     time.sleep(5)
 
+    # 최적화가 끝날 때까지 대기
+    while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+        time.sleep(10)  # 10초마다 확인
+
     study = study_wrapper.get_study()
 
     print('\nBest trials:')

{aiauto_client-0.1.18 → aiauto_client-0.1.20}/examples/example_torch_multiple_objective.py

@@ -136,7 +136,7 @@ def objective_multi(trial):
 
     # 데이터 샘플링 옵션 - 튜닝 시에만 사용
     data_fraction_number = trial.suggest_categorical('data_fraction_number', [4, 8])
-    data_subset_idx = trial.suggest_int('data_subset_idx', 0, data_fraction - 1)
+    data_subset_idx = trial.suggest_int('data_subset_idx', 0, data_fraction_number - 1)
 
     tc.log(f'data_fraction_number={data_fraction_number}, data_subset_idx={data_subset_idx}')
 
@@ -448,7 +448,7 @@ if __name__ == '__main__':
 
     # ========================= subset data optimize ===========================
     study_wrapper.optimize(
-        objective_multi(),
+        objective_multi,
         n_trials=100,
         parallelism=4,  # n_jobs 대신 parallelism 사용
         use_gpu=True,  # GPU 사용
@@ -467,6 +467,10 @@ if __name__ == '__main__':
     )
     time.sleep(5)
 
+    # 최적화가 끝날 때까지 대기
+    while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+        time.sleep(10)  # 10초마다 확인
+
     study = study_wrapper.get_study()
 
     for trial in study.best_trials[:5]:  # 상위 5개만
@@ -477,8 +481,10 @@ if __name__ == '__main__':
         print()
 
     # ========================== full data optimize ============================
-    # best_trial 의 파라미터를 사용해서 전체 데이터로 학습
-    study.enqueue_trial(study.best_trial)
+    # best_trials 중에서 사용자가 원하는 trial 선택해서 전체 데이터로 학습
+    # directions가 두 개이므로 accuracy가 가장 높은 trial 또는 FLOPS가 가장 낮은 trial에서 선택
+    selected_trial = study.best_trials[0]  # 첫 번째 Pareto optimal trial 선택
+    study.enqueue_trial(selected_trial)
     study.optimize(
         objective_detailed,
         n_trials=1,  # enqueue 한 만큼만 실행
@@ -491,3 +497,7 @@ if __name__ == '__main__':
             "memory": "4Gi",
         },
     )
+
+    # 전체 데이터 학습이 끝날 때까지 대기
+    while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+        time.sleep(10)  # 10초마다 확인

{aiauto_client-0.1.18 → aiauto_client-0.1.20}/examples/example_torch_single_objective.py

@@ -471,6 +471,10 @@ if __name__ == '__main__':
     )
     time.sleep(5)
 
+    # 최적화가 끝날 때까지 대기
+    while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+        time.sleep(10)  # 10초마다 확인
+
     study = study_wrapper.get_study()
 
     print('\nBest trials:')
@@ -495,3 +499,7 @@ if __name__ == '__main__':
             "memory": "4Gi",
         },
     )
+
+    # 전체 데이터 학습이 끝날 때까지 대기
+    while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+        time.sleep(10)  # 10초마다 확인

{aiauto_client-0.1.18 → aiauto_client-0.1.20}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "aiauto-client"
-version = "0.1.18"
+version = "0.1.20"
 description = "AI Auto HPO (Hyperparameter Optimization) Client Library"
 readme = "README.md"
 requires-python = ">=3.8"

{aiauto_client-0.1.18 → aiauto_client-0.1.20/src/aiauto_client.egg-info}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: aiauto-client
-Version: 0.1.18
+Version: 0.1.20
 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
@@ -67,7 +67,7 @@ for image in aiauto.RUNTIME_IMAGES:
 ```
 
 ## 실행 흐름
-### token 발급 # TODO
+### token 발급
 - `https://dashboard.common.aiauto.pangyo.ainode.ai` 에 접속하여 ainode 에 로그인 한 후
 - `https://dashboard.common.aiauto.pangyo.ainode.ai/token` 으로 이동하여 aiauto 의 token 을 발급
 - 아래 코드 처럼 발급한 token 을 넣어 AIAutoController singleton 객체를 초기화, OptunaWorkspace 를 활성화 시킨다
@@ -101,12 +101,15 @@ time.sleep(5)
 ```python
 study_wrapper.get_status()
 # {'study_name': 'test', 'count_active': 0, 'count_succeeded': 10, 'count_pruned': 0, 'count_failed': 0, 'count_total': 10, 'count_completed': 10, 'dashboard_url': 'https://optuna-dashboard-10f804bb-52be-48e8-aa06-9f5411ed4b0d.aiauto.pangyo.ainode.ai', 'last_error': '', 'updated_at': '2025-09-01T11:31:49.375Z'}
-while study_wrapper.get_status()['count_completed'] <= study_wrapper.get_status()['count_total']:
-    sleep(10)  # 10초 마다 한 번 씩
+while study_wrapper.get_status()['count_completed'] < study_wrapper.get_status()['count_total']:
+    time.sleep(10)  # 10초마다 확인
 ```
 - best trial 을 가져오는 법
 ```python
-TODO
+# 진짜 optuna study 를 받아옴
+real_study = study_wrapper.get_study()
+best_trial = real_study.best_trial
+print(best_trial.params)
 ```
 
 ## Jupyter Notebook 사용 시 주의사항