> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> Effectuez le fine-tuning de modèles Cohere avec le suivi des expériences de W&B pour journaliser les métriques d'entraînement et surveiller les performances du modèle.

# fine-tuning Cohere

Avec W\&B, vous pouvez journaliser les métriques de fine-tuning et la configuration de votre modèle Cohere afin d'analyser et de mieux comprendre les performances de vos modèles, puis de partager les résultats avec vos collègues.

Ce [guide de Cohere](https://docs.cohere.com/page/convfinqa-finetuning-wandb) contient un exemple complet montrant comment lancer un run de fine-tuning, et vous trouverez [ici la documentation de l'API Cohere](https://docs.cohere.com/reference/createfinetunedmodel#request.body.settings.wandb)

<div id="log-your-cohere-fine-tuning-results">
  ## Journalisez les résultats de votre fine-tuning Cohere
</div>

Pour ajouter la journalisation du fine-tuning Cohere à votre espace de travail W\&B :

1. Créez un `WandbConfig` avec votre clé API W\&B, votre `entity` W\&B et le nom du `project`. Créez une clé API sur [https://wandb.ai/settings](https://wandb.ai/settings)

2. Passez cette configuration à l'objet `FinetunedModel`, avec le nom de votre modèle, le jeu de données et les hyperparamètres, pour démarrer votre run de fine-tuning.

   ```python theme={null}
   from cohere.finetuning import WandbConfig, FinetunedModel

   # créez une configuration avec vos informations W&B
   wandb_ft_config = WandbConfig(
       api_key="<wandb_api_key>",
       entity="my-entity", # doit être une entité valide associée à la clé API fournie
       project="cohere-ft",
   )

   ...  # configurez vos jeux de données et hyperparamètres

   # démarrez un run de fine-tuning sur Cohere
   cmd_r_finetune = co.finetuning.create_finetuned_model(
     request=FinetunedModel(
       name="command-r-ft",
       settings=Settings(
         base_model=...
         dataset_id=...
         hyperparameters=...
         wandb=wandb_ft_config  # passez votre configuration W&B ici
       ),
     ),
   )
   ```

3. Consultez les métriques d'entraînement et de validation du fine-tuning de votre modèle, ainsi que les hyperparamètres, dans le projet W\&B que vous avez créé.

   <Frame>
     <img src="https://mintcdn.com/wb-21fd5541/mVjDwbx0mC8gYx-b/images/integrations/cohere_ft.png?fit=max&auto=format&n=mVjDwbx0mC8gYx-b&q=85&s=c21d1f2b47e67f741523bc9c9f157b19" alt="Tableau de bord du fine-tuning Cohere" width="2180" height="586" data-path="images/integrations/cohere_ft.png" />
   </Frame>

<div id="organize-runs">
  ## Organiser les runs
</div>

Vos runs W\&B sont automatiquement organisés et peuvent être filtrés/triés selon n’importe quel paramètre de configuration, comme le type de job, le modèle de base, le taux d’apprentissage ou tout autre hyperparamètre.

De plus, vous pouvez renommer vos runs, ajouter des notes ou créer des tags pour les regrouper.

<div id="resources">
  ## Ressources
</div>

* [Exemple de fine-tuning Cohere](https://github.com/cohere-ai/notebooks/blob/kkt_ft_cookbooks/notebooks/finetuning/convfinqa_finetuning_wandb.ipynb)