MMF
W&B を Meta AI の MMF と統合する方法。
less than a minute
WandbLogger
クラスは、Meta AI の MMF ライブラリで Weights & Biases を使用して、トレーニング/検証メトリクス、システム (GPU および CPU) メトリクス、モデルチェックポイント、設定パラメータをログすることを可能にします。
現行の機能
以下の機能は、MMF の WandbLogger
によりサポートされています:
- トレーニング & 検証メトリクス
- 時間に応じた学習率
- モデル チェックポイントを W&B Artifacts に保存
- GPU および CPU システムメトリクス
- トレーニング設定パラメータ
設定パラメータ
wandb ロギングを有効にしカスタマイズするために MMF 設定で利用可能なオプションは次のとおりです:
training:
wandb:
enabled: true
# エンティティは、run を送信するユーザー名またはチーム名です。
# デフォルトでは、run はユーザー アカウントにログされます。
entity: null
# wandb で実験をログする際に使用するプロジェクト名
project: mmf
# プロジェクト内で実験をログする際に使用する実験/ run 名。
# デフォルトの実験名は: ${training.experiment_name}
name: ${training.experiment_name}
# モデル チェックポイントを有効にし、チェックポイントを W&B Artifacts に保存します
log_model_checkpoint: true
# wandb.init() に渡したい追加の引数値。
# 使用可能な引数を確認するには、ドキュメント /ref/python/init をチェックしてください。
# 例えば:
# job_type: 'train'
# tags: ['tag1', 'tag2']
env:
# wandb メタデータが保存されるディレクトリへのパスを変更するには(デフォルト: env.log_dir):
wandb_logdir: ${env:MMF_WANDB_LOGDIR,}
フィードバック
このページは役に立ちましたか?
Glad to hear it! If you have further feedback, please let us know.
Sorry to hear that. Please tell us how we can improve.