Skip to main content
Meta AI의 MMF 라이브러리의 WandbLogger 클래스를 사용하면 Weights & Biases가 트레이닝/유효성 검사 메트릭, 시스템 (GPU 및 CPU) 메트릭, 모델 체크포인트 및 구성 파라미터를 기록할 수 있습니다.

​
현재 기능

MMF의 WandbLogger에서 현재 지원하는 기능은 다음과 같습니다.
  • 트레이닝 및 유효성 검사 메트릭
  • 시간에 따른 학습률
  • W&B Artifacts에 모델 체크포인트 저장
  • GPU 및 CPU 시스템 메트릭
  • 트레이닝 구성 파라미터

​
구성 파라미터

wandb 로깅을 활성화하고 사용자 정의하기 위해 MMF 구성에서 다음 옵션을 사용할 수 있습니다. 
training:
    wandb:
        enabled: true
        
        # 엔터티는 Runs을 보내는 사용자 이름 또는 팀 이름입니다.
        # 기본적으로 사용자 계정에 Run을 기록합니다.
        entity: null
        
        # wandb로 실험을 기록하는 동안 사용할 프로젝트 이름
        project: mmf
        
        # wandb로 프로젝트에서 실험을 기록하는 데 사용할 실험/run 이름
        # 기본 실험 이름은 다음과 같습니다: ${training.experiment_name}
        name: ${training.experiment_name}
        
        # 모델 체크포인트 설정을 켜고 체크포인트를 W&B Artifacts에 저장합니다
        log_model_checkpoint: true
        
        # wandb.init()에 전달할 추가 인수 값입니다.
        # 사용 가능한 인수를 보려면 /models/ref/python/init에서 설명서를 확인하세요(예:
        # job_type: 'train'
        # tags: ['tag1', 'tag2']
        
env:
    # wandb 메타데이터가 저장될 디렉토리의 경로를 변경하려면(기본값: env.log_dir):
    wandb_logdir: ${env:MMF_WANDB_LOGDIR,}