Determined 퀵스타트 — 첫 실험 실행하기

Determined에 처음 발을 들이면 MNIST 데이터셋으로 시작하는 퀵스타트가 가장 좋아요. 이 가이드는 Determined를 설치하고, 학습 잡을 실행하고, 브라우저에서 실험 결과를 시각화하는 과정을 안내해요. 세 가지 예시가 "설정 파일 몇 줄 바꾸기"로 얼마나 확장이 달라지는지 보여줘요.

출처: https://docs.determined.ai/latest/tutorials/

어떤 것을 배우나

퀵스타트는 세 가지 시나리오를 다뤄요.

단일 CPU/GPU에서 학습: 로컬에서 하나의 모델을 학습.
여러 GPU에 걸친 분산 학습: 단일 모델을 분산 GPU로 학습.
하이퍼파라미터 튜닝: searcher로 하이퍼파라미터 탐색.

핵심 준비물

실험을 실행하기 전에 정리가 필요한 개념이 있어요. 퀵스타트 디렉토리에는 여러 설정 파일이 준비돼 있어요.

설정 파일	예시 실험
`const.yaml`	단일 GPU/CPU에서 상수 하이퍼파라미터로 모델 하나 학습
`distributed.yaml`	여러 분산 GPU에서 단일 모델 학습
`adaptive.yaml`	하이퍼파라미터 탐색(adaptive search)

그리고 코드 파일들(data.py 데이터 로딩, layers.py 합성곱 레이어, model_def.py 모델 정의와 학습/검증 루프)이 함께 제공돼요.

실행하면 얻는 것

Determined는 학습 루프에서 API를 호출하면, 추가 코드 없이 experiment마다 메트릭 주기 출력, 플롯, 체크포인트를 자동으로 만들어 줘요. WebUI에서 모든 experiment의 모델 정보, 설정, 출력 로그, 학습 메트릭을 확인할 수 있어요.

핵심 포인트

experiment는 하나 이상의 trial을 가진 학습 잡이에요.
설정 파일만 바꾸면 단일 GPU ↔ 분산 GPU ↔ 하이퍼파라미터 탐색을 전환할 수 있어요.

더 알아보기

퀵스타트의 전체 단계는 공식 Quickstart 문서에서 확인할 수 있어요.