> ## 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.

# fastai v1

> fastai v1 で W&B コールバックを使用して、モデルのトポロジー、損失、メトリクス、重み、勾配、予測をログします。

<Note>
  このドキュメントは fastai v1 向けです。
  現在のバージョンの fastai を使用している場合は、[fastai ページ](../)を参照してください。
</Note>

fastai v1 スクリプト向けに、W\&B は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、そして最も性能の高い学習済みモデルを自動的にログするコールバックを提供しています。

```python theme={null}
import wandb
from wandb.fastai import WandbCallback

wandb.init()

learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)
```

ログするデータは、コールバックのコンストラクタで設定できます。

```python theme={null}
from functools import partial

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

トレーニング開始時のみ `WandbCallback` を使用することもできます。この場合、インスタンス化しておく必要があります。

```python theme={null}
learn.fit(epochs, callbacks=WandbCallback(learn))
```

その段階でカスタムパラメーターを指定することもできます。

```python theme={null}
learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))
```

<div id="example-code">
  ## コード例
</div>

以下の例は、インテグレーションの動作を示しています。

* [『シンプソンズ』のキャラクターを分類する](https://github.com/borisdayma/simpsons-fastai): fastai モデルをトラッキングして比較するデモです。[ステップバイステップガイド](https://app.wandb.ai/jxmorris12/huggingface-demo/reports/A-Step-by-Step-Guide-to-Tracking-Hugging-Face-Model-Performance--VmlldzoxMDE2MTU)を参照してください。
* [fastai によるセマンティックセグメンテーション](https://github.com/borisdayma/semantic-segmentation): 自動運転車向けのニューラルネットワークを最適化します。

<div id="options">
  ## オプション
</div>

`WandbCallback()` クラスでは、いくつかのオプションを利用できます。

| Keyword argument  | Default     | Description                                                                    |
| ----------------- | ----------- | ------------------------------------------------------------------------------ |
| `learn`           | N/A         | フックする fast.ai の learner。                                                       |
| `save_model`      | `True`      | 各ステップで改善した場合にモデルを保存します。トレーニングの最後には最良のモデルも読み込みます。                               |
| `mode`            | `auto`      | `min`、`max`、または `auto`。`monitor` で指定したトレーニングメトリクスをステップ間でどのように比較するかを指定します。      |
| `monitor`         | `None`      | 最良のモデルを保存するためのパフォーマンス測定に使用するトレーニングメトリクス。`None` の場合はデフォルトで検証損失を使用します。           |
| `log`             | `gradients` | `gradients`、`parameters`、`all`、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`。サンプル予測の表示に使用します。                                           |
| `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するデータ。                                       |
| `predictions`     | `36`        | `input_type` が設定され、`validation_data` が `None` の場合に行う予測の数。                      |
| `seed`            | `12345`     | `input_type` が設定され、`validation_data` が `None` の場合に、サンプル予測用のランダムジェネレーターを初期化します。 |