Fast.ai
首先安装Weights&Biases并登录:
pip install wandbwandb login
然后把回调函数(callback)添加到
learner
方法或fit
方法:import wandbfrom fastai.callback.wandb import *# start logging a wandb runwandb.init(project='my_project')# To log only during one training phaselearn.fit(..., cbs=WandbCallback())# To log continuously for all training phaseslearn = learner(..., cbs=WandbCallback())
WandbCallback
接受下列参数:参数 | 说明 |
log | "gradients”(默认值)、“parameters”、“all”或者None。损失和指标总是会被记录。 |
log_preds | 是否要记录预测样本(默认为True)。 |
log_model | 是否要记录模型(默认为True)。该参数还需要SaveModelCallback |
log_dataset |
注意:子文件夹“models”始终会被忽略。 |
dataset_name | 所记录的数据集的名称(默认为文件夹名)。 |
valid_dl | DataLoaders 包含了预测样本用到的项(默认为来自learn.dls.valid 的随机项。)。 |
n_preds | 记录的预测数量(默认为36)。 |
seed | 用于指定随机样本。 |
사용자 정의 워크 플로우의 경우, 수동으로 데이터 세트 및 모델을 로그할 수 있습니다:
log_dataset(path, name=None, medata={})
log_model(path, name=None, metadata={})
对于自定义工作流,你可以手动记录数据集和模型:
注意:任何子文件夹“models”会被忽略。
最近更新 1yr ago