Skorch

이 페이지에서는 맞춤형 로깅 코드를 작성하지 않고도 Skorch 모델 트레이닝을 추적할 수 있도록 W&B를 Skorch와 함께 사용하는 방법을 설명합니다. W&B를 Skorch와 함께 사용하면 각 에포크 후 최고 성능의 모델은 물론, 모든 모델 성능 메트릭, 모델 토폴로지, 컴퓨팅 리소스도 자동으로 로깅할 수 있습니다. wandb_run.dir에 저장된 모든 파일은 자동으로 W&B에 로깅됩니다. 자세한 내용은 이 예시 run을 참조하세요.

매개변수

다음 표에는 WandbLogger callback이 받는 매개변수가 나와 있습니다.

Parameter	Type	Description
`wandb_run`	`wandb.wandb_run`. Run	데이터를 로깅하는 데 사용하는 W&B run입니다.
`save_model`	`bool` (default=`True`)	최고 성능 모델의 checkpoint를 저장하고 W&B run에 업로드할지 여부입니다.
`keys_ignored`	`str` or list of `str` (default=`None`)	TensorBoard에 로깅하지 않을 키 또는 키 목록입니다. 사용자가 지정한 키 외에도 W&B는 기본적으로 `event_`로 시작하거나 `_best`로 끝나는 키를 무시합니다.

예시 코드

다음 예시는 Skorch와 함께 WandbLogger를 사용하는 엔드투엔드 사용 예시를 보여줍니다:

Colab: 인테그레이션을 사용해 볼 수 있는 단순한 데모입니다.
단계별 가이드: Skorch 모델 성능 추적을 위한 워크스루입니다.

pip install wandb

import wandb
from skorch.callbacks import WandbLogger

# wandb run 생성
wandb_run = wandb.init()

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

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

방법 레퍼런스

다음 표에는 WandbLogger가 제공하는 callback 방법과 Skorch가 각 방법을 호출하는 시점이 나와 있습니다.

방법	설명
`initialize`()	callback의 초기 상태를 (재)설정합니다.
`on_batch_begin`(net[, X, y, training])	각 배치 시작 시 호출됩니다.
`on_batch_end`(net[, X, y, training])	각 배치 종료 시 호출됩니다.
`on_epoch_begin`(net[, dataset_train, …])	각 에포크 시작 시 호출됩니다.
`on_epoch_end`(net, **kwargs)	마지막 이력 step의 값을 로깅하고 최고 성능 모델을 저장합니다
`on_grad_computed`(net, named_parameters[, X, …])	그라디언트가 계산된 후 업데이트 step이 수행되기 전에 각 배치마다 한 번 호출됩니다.
`on_train_begin`(net, **kwargs)	모델 토폴로지를 로깅하고 그라디언트를 위한 hook을 추가합니다
`on_train_end`(net[, X, y])	트레이닝 종료 시 호출됩니다.

Weights & Biases

Powered by CoreWeave

Platform Details

Resources

매개변수

예시 코드

방법 레퍼런스

​매개변수

​예시 코드

​방법 레퍼런스

매개변수

예시 코드

방법 레퍼런스