> ## 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.

> Intégrez W&B au framework MMF de Meta AI pour suivre les expériences d'entraînement de modèles multimodaux et consigner des métriques.

# MMF

La classe `WandbLogger` de la bibliothèque [MMF de Meta AI](https://github.com/facebookresearch/mmf) permet à W\&B de consigner les métriques d'entraînement et de validation, les métriques système (GPU et CPU), les points de contrôle du modèle et les paramètres de configuration.

<div id="current-features">
  ## Fonctionnalités actuelles
</div>

Les fonctionnalités suivantes sont prises en charge par le `WandbLogger` dans MMF :

* Métriques d'entraînement et de validation
* Évolution du taux d'apprentissage
* Enregistrement des points de contrôle du modèle dans W\&B Artifacts
* Métriques système GPU et CPU
* Paramètres de configuration de l'entraînement

<div id="config-parameters">
  ## Paramètres de configuration
</div>

Les options suivantes sont disponibles dans la configuration MMF pour activer et personnaliser la journalisation de wandb :

```
training:
    wandb:
        enabled: true
        
        # Une entité est un nom d'utilisateur ou un nom d'équipe vers lequel vous envoyez des runs.
        # Par défaut, le run sera enregistré dans votre compte utilisateur.
        entity: null
        
        # Nom du projet à utiliser lors de l'enregistrement de l'expérience avec wandb
        project: mmf
        
        # Nom de l'expérience/run à utiliser lors de l'enregistrement de l'expérience
        # dans le projet avec wandb. Le nom d'expérience par défaut
        # est : ${training.experiment_name}
        name: ${training.experiment_name}
        
        # Activer le point de contrôle du modèle, en sauvegardant les points de contrôle du modèle dans W&B Artifacts
        log_model_checkpoint: true
        
        # Valeurs d'arguments supplémentaires à transmettre à wandb.init(), par exemple :
        # job_type: 'train'
        # tags: ['tag1', 'tag2']
        
env:
    # Pour modifier le chemin vers le répertoire où les métadonnées wandb seront
    # stockées (par défaut : env.log_dir) :
    wandb_logdir: ${env:MMF_WANDB_LOGDIR,}
```