> ## 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. # Ultralytics YOLO > Ultralytics YOLO モデルで W&B を使用して、実験管理、モデルチェックポイント保存、コンピュータビジョンの可視化を行います。 export const ColabLink = ({url}) => Colabで試す ; [Ultralytics](https://github.com/ultralytics/ultralytics) は、画像分類、物体検出、画像セグメンテーション、姿勢推定といったタスク向けのコンピュータビジョンモデルを提供しています。[YOLOv8](https://docs.ultralytics.com/models/yolov8/) は、リアルタイム物体検出モデルである YOLO シリーズの 1 つのバージョンであり、Ultralytics ではこれに加えて [SAM (Segment Anything Model)](https://docs.ultralytics.com/models/sam/#introduction-to-sam-the-segment-anything-model)、[RT-DETR](https://docs.ultralytics.com/models/rtdetr/)、[YOLO-NAS](https://docs.ultralytics.com/models/yolo-nas/) などのコンピュータビジョンモデルも提供しています。Ultralytics は、API を通じてこれらのモデルをトレーニング、ファインチューニング、適用するための、すぐに使えるワークフローも提供しています。このページでは、W\&B が実験のメトリクス、モデルチェックポイント、検証画像または推論画像に対する予測を自動的にトラッキングして可視化できるように、W\&B を Ultralytics と統合する方法を説明します。インストール、トレーニングと検証のワークフロー、および推論専用のワークフローについて説明します。

## はじめに

インテグレーションを使用するには、まず `ultralytics` と `wandb` の両方をインストールし、サポートされているバージョンの `ultralytics` を使用していることを確認する必要があります。 `ultralytics` と `wandb` をインストールします。 ```shell theme={null} pip install --upgrade ultralytics==8.0.238 wandb # または # conda install ultralytics ``` ```bash theme={null} !pip install --upgrade ultralytics==8.0.238 wandb ``` 開発チームは、このインテグレーションを `ultralytics` v8.0.238 以下でテストしました。インテグレーションに関する問題を報告する場合は、`yolov8` タグを付けて [GitHub issue](https://github.com/wandb/wandb/issues/new?template=sdk-bug.yml) を作成してください。両方のパッケージをインストールしたら、次に W\&B を使用して Ultralytics のワークフローをインストルメンテーションできます。

## 実験をトラッキングし、検証結果を可視化する

このセクションでは、[Ultralytics](https://docs.ultralytics.com/modes/predict/) モデルを使用してトレーニング、ファインチューニング、検証を行い、[W\&B](https://wandb.ai/site) を使って実験管理、モデルチェックポイントの保存、モデルのパフォーマンスの可視化を行う一般的なワークフローを紹介します。インテグレーションの詳細については、[Supercharging Ultralytics with W\&B](https://wandb.ai/geekyrakshit/ultralytics/reports/Supercharging-Ultralytics-with-Weights-Biases--Vmlldzo0OTMyMDI4) を参照してください。 Ultralytics で W\&B インテグレーションを使用するには、`wandb.integration.ultralytics.add_wandb_callback` 関数を import します。このコールバックは、Ultralytics モデルで W\&B のログを登録するエントリポイントです。 ```python theme={null} import wandb from wandb.integration.ultralytics import add_wandb_callback from ultralytics import YOLO ``` 次に、任意の `YOLO` モデルを初期化し、モデルで推論を実行する前に `add_wandb_callback` 関数を呼び出します。トレーニングの前にコールバックをアタッチすると、各エポックで自動的にログされるようになります。これにより、トレーニング、ファインチューニング、検証、または推論を実行すると、W\&B は experiment のログと画像を自動的に保存し、[コンピュータビジョンタスク向けのインタラクティブオーバーレイ](/ja/models/track/log/media/#image-overlays-in-tables)を使用してグラウンドトゥルースと対応する予測結果の両方を重ねて表示するとともに、[`wandb.Table`](/ja/models/tables/) に追加のインサイトも保存します。 ```python theme={null} with wandb.init(project="ultralytics", job_type="train") as run: # YOLOモデルを初期化する model = YOLO("yolov8n.pt") # UltralyticsにW&Bコールバックを追加する add_wandb_callback(model, enable_model_checkpointing=True) # モデルをトレーニング/ファインチューニングする # 各エポックの終了時に、検証バッチの予測結果が # コンピュータビジョンタスク向けの有益でインタラクティブなオーバーレイとともに # W&B 表にログされます model.train(project="ultralytics", data="coco128.yaml", epochs=5, imgsz=640) ``` コールバックをアタッチしてトレーニングを開始すると、run からトレーニングメトリクス、モデルチェックポイント、エポックごとの検証の可視化が W\&B project にストリーミングされるようになります。 Ultralytics のトレーニングまたはファインチューニングワークフローで W\&B を使用してトラッキングした Experiments は、次のように表示されます:

YOLO ファインチューニング Experiments