fastai v1
このドキュメントは、fastai v1向けのものです。 現行版のfastaiを使用している場合は、fastaiページを参照してください。
fastai v1を使用したスクリプトの場合、モデルの構成、ロス、メトリクス、重み、勾配、サンプル予測、および最適なトレーニング済みモデルを自動的にログに記録できるコールバックがあります。
import wandb
from wandb.fastai import WandbCallback
wandb.init()
learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)
コールバックコンストラクタを通じて、リクエストされたログデータを設定できます。
from functools import partial
learn = cnn_learner(
data, model, callback_fns=partial(WandbCallback, input_type="images")
)
また、トレーニング開始時にのみWandbCallbackを使用することも可能です。この場合、インスタンス化する必要があります。
learn.fit(epochs, callbacks=WandbCallback(learn))
カスタムパラメータもその段階で指定することができます。
learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))
例示コード
この統合がどのように機能するかを示すいくつかの例を作成しました。
Fastai v1
シンプソンズのキャラクターを分類: Fastaiモデルをトラッキングして比較するためのシンプルなデモ
Fastaiでのセマンティックセグメンテーション: 自動運転車におけるニューラルネットワークの最適化
オプション
WandbCallback()
クラスはいくつかのオプションに対応しています。
| キーワード引数 | デフォルト値 | 説明 |
| ---------------- | --------- | -------------------------------------------------------------------------------------------------------- |
| learn | N/A | フックするfast.aiの学習機。 |
| save_model | True | 各ステップで改善されたモデルを保存します。また、トレーニング終了時に最良のモデルを読み込みます。 |
| mode | auto | min
, max
, またはauto
: ステップ間で monitor
で指定されたトレーニング指標をどのように比較するか。 |
| monitor | None | ベストモデルの保存に用いるパフォーマンスを測定するトレーニング指標。Noneの場合、検証ロスがデフォルトになります。 |
| log | gradients | "gradients", "parameters", "all"、またはNone。ロスとメトリクスは常に記録されます。 |
| input_type | None | "images" または None。サンプル予測の表示に使用されます。 |
| validation_data | None | input_typeが設定されている場合、サンプル予測に使用されるデータ。 |
| predictions | 36 | input_typeが設定され、validation_dataがNoneの場合、予測を行う数。 |
| seed | 12345 | input_typeが設定され、validation_dataがNoneの場合、サンプル予測のためのランダムジェネレータを初期化。 |