fastai v1

Cette documentation concerne fastai v1. Si vous utilisez la version actuelle de fastai, voir la page fastai.

Pour les scripts fastai v1, W&B fournit un callback qui journalise automatiquement la topologie du modèle, les pertes, les métriques, les poids, les gradients, des exemples de prédictions et le meilleur modèle entraîné.

import wandb
from wandb.fastai import WandbCallback

wandb.init()

learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)

Les données à journaliser peuvent être configurées via le constructeur du callback.

from functools import partial

learn = cnn_learner(
    data, model, callback_fns=partial(WandbCallback, input_type="images")
)

Vous pouvez également utiliser WandbCallback uniquement au démarrage de l’entraînement. Dans ce cas, vous devez l’instancier.

learn.fit(epochs, callbacks=WandbCallback(learn))

Vous pouvez également spécifier des paramètres personnalisés à cette étape.

learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))

Exemples de code

Les exemples suivants montrent comment l’intégration fonctionne :

Classer les personnages des Simpson: Une démo pour suivre et comparer les modèles fastai. Voir le guide étape par étape.
Segmentation sémantique avec Fastai: Optimisation de réseaux neuronaux pour les voitures autonomes.

Options

La classe WandbCallback() prend en charge plusieurs options :

Keyword argument	Par défaut	Description
`learn`	N/A	Le learner fast.ai à associer.
`save_model`	`True`	Enregistre le modèle s’il s’améliore à chaque étape. Charge également le meilleur modèle à la fin de l’entraînement.
`mode`	`auto`	`min`, `max` ou `auto`. Indique comment comparer, d’une étape à l’autre, la métrique d’entraînement spécifiée dans `monitor`.
`monitor`	`None`	Métrique d’entraînement utilisée pour mesurer les performances lors de l’enregistrement du meilleur modèle. `None` utilise par défaut la perte de validation.
`log`	`gradients`	`gradients`, `parameters`, `all` ou `None`. Les pertes et les métriques sont toujours journalisées.
`input_type`	`None`	`images` ou `None`. Utilisé pour afficher des exemples de prédictions.
`validation_data`	`None`	Données utilisées pour les exemples de prédictions si `input_type` est défini.
`predictions`	`36`	Nombre de prédictions à effectuer si `input_type` est défini et que `validation_data` vaut `None`.
`seed`	`12345`	Initialise le générateur aléatoire pour les exemples de prédictions si `input_type` est défini et que `validation_data` vaut `None`.

Weights & Biases

Powered by CoreWeave

Platform Details

Resources

Exemples de code

Options

​Exemples de code

​Options

Exemples de code

Options