Skip to main content

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.

W&B를 사용하면 Cohere 모델의 파인튜닝 메트릭과 설정을 기록하여 모델 성능을 분석하고 더 잘 이해할 수 있으며, 그 결과를 동료와 공유할 수 있습니다. 이 Cohere 가이드에는 파인튜닝 run을 시작하는 전체 예제가 포함되어 있으며, Cohere API 문서는 여기에서 확인할 수 있습니다.

​
Cohere 파인튜닝 결과 로깅하기

W&B 워크스페이스에 Cohere 파인튜닝 로깅을 추가하려면 다음 단계를 따르세요.
  1. W&B API 키, W&B entity, project 이름으로 WandbConfig를 생성합니다. API 키는 https://wandb.ai/settings에서 생성할 수 있습니다.
  2. 이 설정을 모델 이름, 데이터셋, 하이퍼파라미터와 함께 FinetunedModel 객체에 전달해 파인튜닝 run을 시작합니다. 
    from cohere.finetuning import WandbConfig, FinetunedModel

# W&B 정보로 설정을 생성합니다
wandb_ft_config = WandbConfig(
    api_key="<wandb_api_key>",
    entity="my-entity", # 제공된 API 키에 연결된 유효한 entity여야 합니다
    project="cohere-ft",
)

...  # 데이터셋과 하이퍼파라미터를 설정합니다

# Cohere에서 파인튜닝 run을 시작합니다
cmd_r_finetune = co.finetuning.create_finetuned_model(
  request=FinetunedModel(
    name="command-r-ft",
    settings=Settings(
      base_model=...
      dataset_id=...
      hyperparameters=...
      wandb=wandb_ft_config  # 여기에 W&B 설정을 전달합니다
    ),
  ),
)
  3. 생성한 W&B 프로젝트에서 모델의 파인튜닝 트레이닝 및 검증 메트릭, 하이퍼파라미터를 확인합니다.
    Cohere 파인튜닝 대시보드

​
run 정리

W&B run은 자동으로 정리되며, 작업 유형, 기반 모델, 학습률 등 모든 설정 매개변수를 기준으로 필터링하거나 정렬할 수 있습니다. 또한 run의 이름을 바꾸고, 메모를 추가하거나, 태그를 만들어 그룹으로 묶을 수 있습니다.

​
리소스