메인 콘텐츠로 건너뛰기
Skorch와 함께 W&B를 사용하면 매 에포크(epoch)가 끝날 때마다 최적의 성능을 보이는 모델을 자동으로 저장하고, 모든 모델 성능 메트릭, 모델 구조(topology) 및 컴퓨팅 리소스를 로그할 수 있습니다. wandb_run.dir에 저장된 모든 파일은 W&B에 자동으로 업로드됩니다. 실행 예시를 확인해 보세요.

​
파라미터

파라미터타입설명
wandb_runwandb.wandb_run. Run데이터 로그에 사용되는 wandb run.
save_modelbool (기본값=True)최적 모델의 체크포인트를 저장하고 W&B의 Run에 업로드할지 여부.
keys_ignoredstr 또는 list of str (기본값=None)로그에 기록하지 않을 키 또는 키 리스트. 사용자가 제공한 키 외에도 event_로 시작하거나 _best로 끝나는 키는 기본적으로 무시됩니다.

​
예제 코드

인테그레이션 작동 방식을 확인할 수 있는 몇 가지 예제를 준비했습니다:
  • Colab: 인테그레이션을 시도해 볼 수 있는 간단한 데모
  • 단계별 가이드: Skorch 모델 성능을 추적하기 위한 가이드
# wandb 설치
... pip install wandb

import wandb
from skorch.callbacks import WandbLogger

# wandb Run 생성
wandb_run = wandb.init()

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

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

​
메소드 레퍼런스

메소드설명
initialize()콜백의 초기 상태를 (재)설정합니다.
on_batch_begin(net[, X, y, training])각 배치가 시작될 때 호출됩니다.
on_batch_end(net[, X, y, training])각 배치가 끝날 때 호출됩니다.
on_epoch_begin(net[, dataset_train, …])각 에포크가 시작될 때 호출됩니다.
on_epoch_end(net, **kwargs)마지막 히스토리 단계의 값을 로그하고 최적의 모델을 저장합니다.
on_grad_computed(net, named_parameters[, X, …])그레이디언트 계산 후, 업데이트 단계 수행 전 배치당 한 번 호출됩니다.
on_train_begin(net, **kwargs)모델 구조를 로그하고 그레이디언트 추적을 위한 훅을 추가합니다.
on_train_end(net[, X, y])트레이닝이 끝날 때 호출됩니다.