메인 콘텐츠로 건너뛰기
이 문서는 fastai v1을 위한 것입니다. 최신 버전의 fastai를 사용 중이라면 fastai 페이지를 참조하세요.
fastai v1을 사용하는 스크립트의 경우, 모델 토폴로지, 손실(losses), 메트릭, 가중치, 그레이디언트, 샘플 예측값 및 최적의 트레이닝된 모델을 자동으로 로그할 수 있는 콜백을 제공합니다. 
import wandb
from wandb.fastai import WandbCallback

wandb.init()

# 콜백 함수로 WandbCallback을 추가합니다.
learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)
로그 요청 데이터는 콜백 생성자를 통해 설정할 수 있습니다. 
from functools import partial

# input_type을 "images"로 설정하여 콜백을 구성합니다.
learn = cnn_learner(
    data, model, callback_fns=partial(WandbCallback, input_type="images")
)
트레이닝을 시작할 때만 WandbCallback을 사용하는 것도 가능합니다. 이 경우 인스턴스를 직접 생성해야 합니다. 
learn.fit(epochs, callbacks=WandbCallback(learn))
이 단계에서도 커스텀 파라미터를 전달할 수 있습니다. 
learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))

​
예제 코드

인테그레이션이 어떻게 작동하는지 확인할 수 있는 몇 가지 예제를 준비했습니다: Fastai v1

​
옵션

WandbCallback() 클래스는 다음과 같은 옵션들을 지원합니다:
키워드 인수기본값설명
learnN/A훅(hook)을 연결할 fast.ai learner.
save_modelTrue각 단계에서 개선된 경우 모델을 저장합니다. 트레이닝 종료 시 최적의 모델을 로드합니다.
modeautomin, max, 또는 auto: monitor에 지정된 트레이닝 메트릭을 단계별로 비교하는 방법입니다.
monitorNone최적의 모델을 저장하기 위해 성능을 측정하는 트레이닝 메트릭입니다. None인 경우 기본값은 validation loss입니다.
loggradientsgradients, parameters, all, 또는 None. 손실과 메트릭은 항상 로그됩니다.
input_typeNoneimages 또는 None. 샘플 예측값을 표시하는 데 사용됩니다.
validation_dataNoneinput_type이 설정된 경우 샘플 예측에 사용되는 데이터입니다.
predictions36input_type은 설정되어 있고 validation_data가 None인 경우 생성할 예측값의 개수입니다.
seed12345input_type은 설정되어 있고 validation_data가 None인 경우 샘플 예측을 위한 난수 생성기를 초기화합니다.