> ## 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.

> Meta AI の MMF フレームワークと W&B を統合し、マルチモーダル モデルのトレーニング実験をトラッキングして、メトリクスをログします。

# MMF

このページでは、[Meta AI's MMF](https://github.com/facebookresearch/mmf) ライブラリの `WandbLogger` クラスを使用して、W\&B でマルチモーダル モデルのトレーニングをトラッキングする方法について説明します。`WandbLogger` を有効にすると、W\&B でトレーニング/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、設定パラメーターをログできます。これにより、カスタムのロギング コードを追加しなくても、Experiments をモニターして Runs を比較できます。

<div id="features">
  ## 機能
</div>

MMF の `WandbLogger` は、次の機能をサポートしています。

* トレーニングおよび検証のメトリクス
* 学習率の推移
* モデル チェックポイントの W\&B Artifacts への保存
* GPU および CPU のシステムメトリクス
* トレーニング設定パラメーター

<div id="configuration-parameters">
  ## 設定パラメーター
</div>

W\&B のログを有効にし、Runs のトラッキング方法をカスタマイズするには、MMF の設定で以下のオプションを指定します。

```yaml theme={null}
training:
    wandb:
        enabled: true
        
        # entity はrunsの送信先とな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
        
        # wandbでプロジェクト配下の実験をログする際に使用する
        # 実験名／run名。デフォルトの実験名:
        # is: ${training.experiment_name}
        name: ${training.experiment_name}
        
        # モデルのチェックポイント保存を有効にし、チェックポイントをW&B Artifactsに保存します
        log_model_checkpoint: true
        
        # wandb.init() に渡す追加の引数値（例）:
        # job_type: 'train'
        # tags: ['tag1', 'tag2']
        
env:
    # wandbのメタデータが保存されるディレクトリのパスを変更する場合
    # （デフォルト: env.log_dir）:
    wandb_logdir: ${env:MMF_WANDB_LOGDIR,}
```