fastai v1

fastai v1 を使用するスクリプトの場合、モデルのトポロジー、損失、メトリクス、重み、勾配、サンプル予測、および最適な訓練モデルを自動的にログすることが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)

ログされるデータは、コールバックのコンストラクタを介して設定可能です。

from functools import partial

learn = cnn_learner(
    data, model, callback_fns=partial(WandbCallback, input_type="images")
)

また、トレーニングを開始するときにのみ WandbCallback を使用することも可能です。この場合、それをインスタンス化する必要があります。

learn.fit(epochs, callbacks=WandbCallback(learn))

その段階でカスタムパラメータを与えることもできます。

learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))

コード例

インテグレーションがどのように機能するかを見るために、いくつかの例を作成しました:

Fastai v1

オプション

WandbCallback() クラスは多くのオプションをサポートしています:

キーワード引数 デフォルト 説明
learn N/A フックする fast.ai learner。
save_model True モデルが各ステップで改善されれば保存します。また、トレーニング終了時に最適なモデルをロードします。
mode auto minmax、または auto: ステップ間で指定されたトレーニングメトリクスをどのように比較するか。
monitor None 最適なモデルを保存するために使用されるトレーニングメトリクス。None はデフォルトで検証損失になります。
log gradients gradientsparametersall、または None。損失とメトリクスは常にログされます。
input_type None images または None。サンプル予測を表示するために使用されます。
validation_data None input_type が設定されている場合に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_dataNone の場合に行う予測の数。
seed 12345 input_type が設定され、validation_dataNone の場合にサンプル予測のためのランダムジェネレータを初期化します。