DeepChem
DeepChemライブラリは、薬物発見、材料科学、化学、生物学においてディープラーニングの使用を民主化するオープンソースツールを提供しています。このW&Bとの統合により、DeepChemを使用してモデルをトレーニングする際に簡単で使いやすい実験トラッキングとモデルチェックポイントを追加できます。
🧪 DeepChemエクスペリメントの3行のコードでのログ記録
logger = WandbLogger(…)
model = TorchModel(…, wandb_logger=logger)
model.fit(…)
レポート&Google Colab
W&B DeepChem統合を使用して生成されたチャートの例として、W&B with DeepChem:分子グラフ畳み込みネットワーク の記事をご覧ください。
すぐに作業コードに飛び込む場合は、Google Colabをチェックしてください。
はじめに: 実験のトラッキング
KerasModel または TorchModel のタイプのDeepChemモデル用にWeights & Biasesをセットアップします。
1) wandb
ライブラリをインストールしてログインする
- コマンドライン
- ノートブック
pip install wandb
wandb login
!pip install wandb
import wandb
wandb.login()
2) WandbLoggerを初期化して設定する
from deepchem.models import WandbLogger
logger = WandbLogger(entity="my_entity", project="my_project")
3) トレーニングと評価データをW&Bにログする
トレーニングロスと評価メトリクスは、自動的にWeights & Biasesにログされます。オプションの評価は、DeepChemのValidationCallbackを使用して有効にすることができます。WandbLogger
は、ValidationCallbackコールバックを検出し、生成されたメトリクスをログします。
- TorchModel
- KerasModel
from deepchem.models import TorchModel, ValidationCallback
vc = ValidationCallback(…) # オプション
model = TorchModel(…, wandb_logger=logger)
model.fit(…, callbacks=[vc])
logger.finish()
from deepchem.models import KerasModel, ValidationCallback
vc = ValidationCallback(…) # 任意
model = KerasModel(…, wandb_logger=logger)
model.fit(…, callbacks=[vc])
logger.finish()