モデルのトレーニング run中にトレースをログする
@weave.op でデコレートすると、それらの実行情報が自動的に取得され、個人用の Workspace で参照できます。
たとえば、次のスクリプトは、Weave のトレースが W&B のトレーニング run とどのように統合されるかを示しています。これは機械学習のトレーニングループをシミュレートしたもので、各トレーニング step で W&B にメトリクスをログすると同時に、詳細な Weave トレースも生成します。関数に付与された @weave.op デコレータは、入力、出力、実行の詳細を自動的に取得します。トレーニングループが wandb.log() でメトリクスをログすると、Weave のトレース情報もプロジェクトにログされます。
import wandb
import weave
import random
# W&B と Weave を同じプロジェクトで初期化する
project = "my-workspace-project"
weave.init(project)
@weave.op
def evaluate_model(model_state, epoch):
# 評価メトリクスをシミュレートする
accuracy = 0.7 + epoch * 0.02 + random.uniform(-0.05, 0.05)
# 特定のモデルの動作をトラッキングする
test_responses = {
"conciseness_check": "Model generated 500 words for simple question",
"accuracy_check": "Model answered 8/10 questions correctly",
"hallucination_check": "No factual errors detected"
}
return {
"accuracy": accuracy,
"diagnostic_results": test_responses
}
@weave.op
def training_step(epoch, lr):
# トレーニングロジックをシミュレートする
loss = 1.0 / (epoch + 1) + random.uniform(-0.1, 0.1)
# トレースを使った評価
eval_results = evaluate_model(f"checkpoint_{epoch}", epoch)
return {
"loss": loss,
"accuracy": eval_results["accuracy"],
"diagnostics": eval_results["diagnostic_results"]
}
# トレーニングループ
with wandb.init(project=project, config={"lr": 0.01}) as run:
for epoch in range(5):
# Weave トレースを使ってトレーニングを実行する
results = training_step(epoch, run.config.lr)
# W&B にログする - インテグレーションポイントを作成する
run.log({
"epoch": epoch,
"loss": results["loss"],
"accuracy": results["accuracy"]
})
wandb: 🚀 View run at https://wandb.ai/wandb/my-project/runs/<run-ID>) を開くか、UI から Workspace にアクセスします。
UI から Workspace にアクセスするには、次の手順に従います。
- W&B UI を開き、Projects タブをクリックします。プロジェクトの一覧が表示されます。
- プロジェクトの一覧から、run をログしたプロジェクトをクリックします。Workspaces ページが開きます。
- Workspace を自動 Workspace として設定している場合、Workspace にはデータ可視化と run に関する情報が自動的に表示されます。run の Trace Data は、Workspace の Weave セクションにあります。Workspace が手動 Workspace の場合は、Add panels をクリックし、Add Panels メニューの Weave セクションから新しいパネルを選択して、Weave パネルを追加できます。
Workspace の詳細については、実験結果を表示するを参照してください。
デフォルトでは、Weave はアクティブな wandb.run を自動的に検出し、トレースを関連付けます。グローバルな wandb.run ではない特定の run にトレースを関連付ける必要がある場合は、set_wandb_run_context を使用してください。method の run_id 引数と step 引数に値を指定すると、トレースを特定の run および run step に関連付けることができます。
import weave
client = weave.init("<your-team-name>/<your-project-name>")
# 以降のすべてのトレースを特定のrunに関連付けます。
client.set_wandb_run_context(run_id="<your-run-ID>", step=<integer>)
@weave.op
def my_function(x):
return x * 2
my_function(10) # このトレースは step 5 の "my-run-id" に関連付けられています。
run_id は run の短縮 ID (例: 38m4t5ja) であり、完全な entity/project/run_id パスではありません。run の短縮 ID は、run の URL (https://wandb.ai/team/project/runs/<run_id>) または コードで wandb.run.id にアクセスする ことで確認できます。
オーバーライドを解除してグローバルな wandb.run に戻すには、clear_wandb_run_context を呼び出します:
client.clear_wandb_run_context()
my_function(20) # このトレースはグローバルの wandb.run を使用します（存在する場合）。
Weave トレースで W&B artifacts を参照する
v1 と v2) をトレーニングしている場合、そのモデルをクエリするときに、v1 artifact への参照をトレースの属性として追加できます。これにより、どの artifact バージョンが特定の出力を生成したのかを正確にトレースできます。
artifact をトレースに関連付けるには、wandb-artifact:/// プレフィックスと artifact の完全名を連結し、wandb-artifact:///<full-name-of-artifact> という構文で artifact の URL を作成します。次に、以下の 2 つの方法のいずれかで Weave に渡します。
artifact の完全名は、W&B UI の詳細ページで確認できます。形式は次のとおりです: <entity>/<project>/<artifact_name>:<version>。完全名は、W&B UI の artifact の詳細ページからコピーできます。
artifact を トレース の属性として追加するには、weave.attributes() コンテキストマネージャにキーと値のペアとして渡します。
import weave
weave.init("your-team-name/your-project-name")
@weave.op
def my_function(name: str):
return f"Hello, {name}!"
# 任意のキー名を指定し、値に artifact の URL を設定します
with weave.attributes({'artifact_id': 'wandb-artifact:///team-name/project-name/run-38m4t5ja-history:v0'}):
result = my_function("World")
import {init, op, withAttributes} from 'weave';
async function main() {
await init('wandb/docs');
const myFunction = op(async function myFunction(name: string) {
return `Hello, ${name}!`;
});
// 任意のキー名を指定し、値に artifact の URL を設定します
const result = await withAttributes(
{artifact_id: "wandb-artifact:///team-name/project-name/run-38m4t5ja-history:v0"},
async () => myFunction('World')
);
console.log('Result:', result);
}
main().catch(console.error);
artifactを Model の属性として追加する
Model の属性として追加するには、Model のインスタンス化時にartifactの URL を渡します。
Model クラスは現在、Weave Python SDK でのみサポートされています。
import weave
weave.init("your-team-name/your-project-name")
class MyModel(weave.Model):
# artifactの参照をモデルの属性として保存する
artifact_id: str
temperature: float = 0.7
@weave.op
def predict(self, query: str) -> str:
# モデルの推論ロジックをここに記述する
return f"Response to: {query}"
# artifactのURLをモデルの属性として渡す
model = MyModel(
artifact_id="wandb-artifact:///team-name/project-name/run-38m4t5ja-history:v0"
)
result = model.predict("Hello, World!")
