Fast.ai

 ​如果你正在用fastai训练模型，利用WandbCallback很容易就集成到W&B。详细信息请查看带有示例的交互式文档→​
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())
如果你用的Fastai v1，请参考Fastai v1文档。​
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
 False（默认值）
为True就会记录learn.dls.path所引用的文件夹
可显式指定一个路径来引用要记录的文件夹。
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。
示例
​可视化、跟踪与比较Fastai模型：详尽教程
​CamVid上的图像分割：一个集成的使用案例

最近更新 1yr ago

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	False（默认值）为True就会记录learn.dls.path所引用的文件夹可显式指定一个路径来引用要记录的文件夹。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。