> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
> W&B の実験管理を使用して Cohere モデルをファインチューニングし、トレーニング メトリクスをログしてモデル性能をモニターします。
# Cohere ファインチューニング
W\&B を使用すると、Cohere モデルのファインチューニングにおけるメトリクスや設定をログし、モデル性能を分析して結果を同僚と共有できます。Cohere のファインチューニング run を W\&B のプロジェクトに接続すると、W\&B はトレーニングおよび検証のメトリクス、ハイパーパラメーター、run メタデータを Workspace に自動的に取得します。すでに Cohere モデルをファインチューニングしていて、実験管理を一元化したい場合は、このガイドを使用してください。
ファインチューニング run の開始方法を示す完全な例については、[Cohere fine-tuning guide](https://docs.cohere.com/page/convfinqa-finetuning-wandb) を参照してください。また、[`wandb` 設定に関する Cohere API リファレンス](https://docs.cohere.com/reference/createfinetunedmodel#request.body.settings.wandb) も参照してください。
## Cohere ファインチューニングの結果をログする
W\&B Workspace に Cohere ファインチューニングの logging を追加するには、次の手順を実行します。
1. W\&B APIキー、W\&B `entity`、`project` 名を指定して `WandbConfig` を作成します。APIキーは Cohere ジョブを W\&B で認証するために使用され、entity と project は W\&B が Runs をどこにログするかを決定します。APIキーは [W\&B User Settings](https://wandb.ai/settings) で作成してください。次の例の `` は、ご自身の APIキー に置き換えてください。
2. この設定を、モデル名、データセット、ハイパーパラメーターとともに `FinetunedModel` object に渡して、ファインチューニングの run を開始します。`wandb` 設定により、run の実行中に Cohere がメトリクスを W\&B のプロジェクトへストリーミングするよう設定されます。
```python theme={null}
from cohere.finetuning import WandbConfig, FinetunedModel
# W&B の情報を指定して設定を作成します
wandb_ft_config = WandbConfig(
api_key="",
entity="my-entity", # 指定した APIキー に関連付けられた有効な entity である必要があります
project="cohere-ft",
)
... # データセットとハイパーパラメーターを設定します
# Cohere でファインチューニングの run を開始します
cmd_r_finetune = co.finetuning.create_finetuned_model(
request=FinetunedModel(
name="command-r-ft",
settings=Settings(
base_model=...
dataset_id=...
hyperparameters=...
wandb=wandb_ft_config # ここで W&B の設定を渡します
),
),
)
```
3. 作成した W\&B プロジェクトで、モデルのファインチューニングにおけるトレーニングと検証のメトリクス、およびハイパーパラメーターを確認します。
run が開始されると、Cohere のファインチューニング ジョブはメトリクスをリアルタイムで W\&B にレポートするため、run を比較したり、トレーニングの進行状況を 1 か所で確認したりできます。
## run を整理する
W\&B は run を自動的に整理します。ジョブのタイプ、ベースモデル、学習率、そのほかの任意のハイパーパラメーターなどの設定パラメーターに基づいて、フィルターや並べ替えを行えます。
さらに、run の名前を変更したり、メモを追加したり、グループ化用のタグを作成したりできます。
## リソース
完全な例は、[Cohere ファインチューニングのサンプル ノートブック](https://github.com/cohere-ai/notebooks/blob/kkt_ft_cookbooks/notebooks/finetuning/convfinqa_finetuning_wandb.ipynb)を参照してください。