> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
> Recherche d’hyperparamètres et optimisation de modèles avec W&B Sweeps
# Aperçu de Sweeps
export const TryProductLink = ({url}) =>
Try in W&B
;
export const ColabLink = ({url}) =>
Try in Colab
;
Utilisez W\&B Sweeps pour automatiser la recherche d'hyperparamètres et bénéficier d'un suivi des expériences riche et interactif. Explorez l'espace des hyperparamètres à l'aide de méthodes de recherche courantes, comme la recherche bayésienne, la recherche sur grille ou la recherche aléatoire. Faites évoluer et parallélisez vos sweeps sur une ou plusieurs machines.
Fonctionnement
Créez un sweep à l’aide de deux commandes de la [CLI W\&B](/fr/products/wandb/ref/cli) :
1. Initialisez un sweep.
```bash theme={"system"}
wandb sweep --project
```
2. Démarrez l’agent de sweep.
```bash theme={"system"}
wandb agent
```
L’extrait de code précédent, ainsi que le notebook Colab disponible sur cette page, montrent comment initialiser et créer un sweep avec la CLI W\&B. Pour configurer, initialiser et exécuter un sweep avec le SDK Python, consultez le [guide pas à pas de Sweeps](/fr/products/wandb/sweeps/walkthrough).
Premiers pas
Selon votre cas d’usage, explorez les ressources suivantes pour bien démarrer avec W\&B Sweeps :
* Consultez le [guide pas à pas des sweeps](/fr/products/wandb/sweeps/walkthrough), qui présente étape par étape les commandes du SDK Python W\&B permettant de définir une configuration de sweep, d’initialiser un sweep et de le lancer.
* Parcourez ce chapitre pour apprendre à :
* [Ajouter W\&B à votre code](/fr/products/wandb/sweeps/add-w-and-b-to-your-code)
* [Définir la configuration de sweep](/fr/products/wandb/sweeps/define-sweep-configuration)
* [Initialiser des sweeps](/fr/products/wandb/sweeps/initialize-sweeps)
* [Lancer des agents de sweep](/fr/products/wandb/sweeps/start-sweep-agents)
* [Visualiser les résultats d’un sweep](/fr/products/wandb/sweeps/visualize-sweep-results)
* Découvrez une [sélection d’expériences de sweep](/fr/products/wandb/sweeps/useful-resources) consacrées à l’optimisation des hyperparamètres avec W\&B Sweeps. Les résultats sont stockés dans des W\&B Reports.
Pour une vidéo pas à pas, voir : [Tune Hyperparameters Easily with W\&B Sweeps](https://www.youtube.com/watch?v=9zrmUIlScdY\&ab_channel=Weights%26Biases).
Exemples de notebooks
Explorez les exemples de notebooks suivants pour découvrir comment utiliser W\&B Sweeps afin d’optimiser les hyperparamètres dans divers frameworks et cas d’usage :
* [Optimisation des hyperparamètres avec Sweeps](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/tensorflow/Hyperparameter_Optimization_in_TensorFlow_using_W\&B_Sweeps.ipynb)
* [Utiliser XGBoost avec W\&B Sweeps](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/boosting/Using_W\&B_Sweeps_with_XGBoost.ipynb)
