メインコンテンツまでスキップ

DeepChem

DeepChem library は、創薬、材料科学、化学、生物学におけるディープラーニングの利用を民主化するオープンソースツールを提供します。この W&B インテグレーションは、DeepChem を使用してモデルをトレーニングする際に、シンプルで使いやすい実験管理とモデルチェックポイントを追加します。

🧪 3行のコードで DeepChem ログを記録

logger = WandbLogger()
model = TorchModel(, wandb_logger=logger)
model.fit()

レポート & Google Colab

W&B DeepChem インテグレーションを使用して生成されたチャートの例については、Using W&B with DeepChem: Molecular Graph Convolutional Networksの記事をご覧ください。

実際のコードにすぐに取り組みたい場合は、このGoogle Colabをチェックしてください。

はじめに: Experiments をトラッキングする

Weights & Biases を DeepChem モデルで使用するには、KerasModel または TorchModel 型のモデルを設定します。

1) wandb ライブラリをインストールしてログイン

pip install wandb
wandb login

2) WandbLogger を初期化して設定

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

トレーニングロスや評価メトリクスは自動的に Weights & Biases にログできます。オプションの評価は、DeepChem の ValidationCallback を使用して有効化できます。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。

from deepchem.models import TorchModel, ValidationCallback

vc = ValidationCallback() # optional
model = TorchModel(, wandb_logger=logger)
model.fit(, callbacks=[vc])
logger.finish()
Was this page helpful?👍👎