Documentation
中文 (简体)
搜索文档…
⌃K

fastai v1

提示:这篇文档专用于Fastai v1。如果你用的是Fastai最新版,请参考Fastai页面
对于使用Fastai v1的脚本,我们有一个回调函数,可以自动记录模型拓扑、损失、指标、权重、梯度、样本预测以及最佳训练模型。
import wandbfrom wandb.fastai import WandbCallback​wandb.init()​learn = cnn_learner(data, model, callback_fns=WandbCallback)learn.fit(epochs)
需要记录的数据可通过回调构造函数进行配置。
from functools import partial​learn = cnn_learner(data, model, callback_fns=partial(WandbCallback, input_type='images'))
也可以只在开始训练时使用WandbCallback。在这种情况下,它必须被实例化。
learn.fit(epochs, callbacks=WandbCallback(learn))
自定义参数也可在这一阶段给定。
learn.fit(epochs, callbacks=WandbCallback(learn, input_type='images'))

示例代码

我们已经为你创建了一些示例,以了解集成的工作原理:
Fastai v1

选项

WandbCallback()‌类支持许多选项:
关键字参数
默认值
说明
learn
N/A
要勾住的fast.ai learner。
save_model
True
如果模型在每一步都有改进,就保存该模型。还会在训练结束后加载最优模型。
mode
auto
'min'、'max'或'auto':如何在不同步(step)之间比较monitor指定的训练指标
monitor
None
用于评估性能的训练指标,以便于保存最佳模型。None默认为验证损失。
log
gradients
gradients"、"parameters"、"all"或者None。损失和指标总是会被记录。
input_type
None
"images"或者None。用于展示样本预测。
validation_data
None
若设置了input_type, 则指定用于样本预测的数据
predictions
36
若设置了input_type并且validation_data为None,指定要进行预测的数量
seed
12345
若设置了input_type并且validation_data为None,则初始化样本预测的随机生成器。