Skorch

Weights & Biases를 Skorch와 함께 사용하면 가장 성능이 좋은 모델을 자동으로 로그하고, 모든 모델 성능 메트릭, 모델 토폴로지 및 각 에포크 후의 컴퓨트 리소스를 로그할 수 있습니다. wandb_run.dir에 저장된 모든 파일은 자동으로 W&B 서버에 로그됩니다.

예시 run을 참조하세요.

파라미터

파라미터	타입	설명
wandb_run	wandb.wandb_run.Run	데이터를 로그하는 데 사용되는 wandb run.
save_model	bool (기본값=True)	가장 좋은 모델의 체크포인트를 저장하고 W&B 서버의 Run에 업로드할지 여부.
keys_ignored	str 또는 str의 리스트 (기본값=None)	tensorboard에 로그되지 않아야 할 키 또는 키 리스트. 사용자가 제공한 키뿐만 아니라 event_로 시작하거나 _best로 끝나는 키는 기본적으로 무시됩니다.

예시 코드

통합 작동 방식을 확인할 수 있는 몇 가지 예시를 만들었습니다:

• Colab: 통합을 시도해 볼 수 있는 간단한 데모
• 단계별 가이드: Skorch 모델 성능 추적

# wandb 설치
... pip install wandb

import wandb
from skorch.callbacks import WandbLogger

# wandb Run 생성
wandb_run = wandb.init()
# 대안: W&B 계정 없이 wandb Run 생성
wandb_run = wandb.init(anonymous="allow")

# 하이퍼파라미터 로그 (선택사항)
wandb_run.config.update({"learning rate": 1e-3, "batch size": 32})

net = NeuralNet(..., callbacks=[WandbLogger(wandb_run)])
net.fit(X, y)

메소드

메소드	설명
initialize()	콜백의 초기 상태를 (재)설정합니다.
on_batch_begin(net[, X, y, 트레이닝])	각 배치의 시작에 호출됩니다.
on_batch_end(net[, X, y, 트레이닝])	각 배치의 끝에 호출됩니다.
on_epoch_begin(net[, dataset_train, …])	각 에포크의 시작에 호출됩니다.
on_epoch_end(net, **kwargs)	마지막 히스토리 단계에서 값 로그 및 최고 모델 저장
on_grad_computed(net, named_parameters[, X, …])	그레이디언트가 계산된 후 한 배치에 한 번씩 업데이트 단계가 수행되기 전에 호출됩니다.
on_train_begin(net, **kwargs)	모델 토폴로지 로그 및 그레이디언트에 대한 훅 추가
on_train_end(net[, X, y])	트레이닝의 끝에 호출됩니다.