> ## 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 à Julia pour suivre les expériences, consigner des métriques et visualiser les performances du modèle depuis des programmes Julia.

# W&B pour Julia

Si vous exécutez des expériences de machine learning avec le langage de programmation Julia, sachez qu’un contributeur de la communauté a créé un ensemble non officiel de bindings Julia appelé [wandb.jl](https://github.com/avik-pal/Wandb.jl), que vous pouvez utiliser.

Vous trouverez des exemples [dans la documentation](https://github.com/avik-pal/Wandb.jl/tree/main/docs/src/examples) du dépôt wandb.jl. Leur exemple "Getting Started" se trouve ici :

```julia theme={null}
using Wandb, Dates, Logging

# Démarrer un nouveau run en suivant les hyperparamètres dans la configuration
lg = WandbLogger(project = "Wandb.jl",
                 name = "wandbjl-demo-$(now())",
                 config = Dict("learning_rate" => 0.01,
                               "dropout" => 0.2,
                               "architecture" => "CNN",
                               "dataset" => "CIFAR-100"))

# Utiliser LoggingExtras.jl pour consigner dans plusieurs journaux simultanément
global_logger(lg)

# Simulation de la boucle d'entraînement ou d'évaluation
for x ∈ 1:50
    acc = log(1 + x + rand() * get_config(lg, "learning_rate") + rand() + get_config(lg, "dropout"))
    loss = 10 - log(1 + x + rand() + x * get_config(lg, "learning_rate") + rand() + get_config(lg, "dropout"))
    # Consigner les métriques de votre script dans W&B
    @info "metrics" accuracy=acc loss=loss
end

# Terminer le run
close(lg)
```