Optimisation d’un modèle PyTorch via recherche d’hyperparamètres structurée

Scénario

Contexte : Une équipe développe un modèle de classification d’images avec PyTorch pour un cas industriel. Le Problème : Les performances varient fortement selon le learning rate et la taille des couches, choisis empiriquement. Contraintes : Mettre en place une recherche structurée d’hyperparamètres (learning rate, batch size, profondeur). Comparer les résultats sur un jeu de validation distinct. Éviter toute fuite de données. Livrable attendu : Concevoir un protocole d’expérimentation clair avec comparaison des performances et justification du choix final.

Compétences ciblées