fastai v1

이 문서는 fastai v1용입니다. 현재 버전의 fastai를 사용한다면 fastai page를 참고하세요.

fastai v1 스크립트의 경우, W&B는 모델 토폴로지, 손실, 메트릭, 가중치, 그라디언트, 샘플 예측, 그리고 가장 잘 트레이닝된 모델을 자동으로 로깅하는 callback를 제공합니다.

import wandb
from wandb.fastai import WandbCallback

wandb.init()

learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)

callback 생성자를 통해 어떤 데이터를 로깅할지 설정할 수 있습니다.

from functools import partial

learn = cnn_learner(
    data, model, callback_fns=partial(WandbCallback, input_type="images")
)

트레이닝을 시작할 때에만 WandbCallback를 사용할 수도 있습니다. 이 경우 인스턴스화해야 합니다.

learn.fit(epochs, callbacks=WandbCallback(learn))

이 단계에서 맞춤형 매개변수를 전달할 수도 있습니다.

learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))

예제 코드

다음 예시는 인테그레이션이 어떻게 작동하는지 보여줍니다:

WandbCallback() 클래스는 다음과 같은 여러 옵션을 지원합니다:

키워드 인수	기본값	설명
`learn`	N/A	훅을 적용할 fast.ai learner입니다.
`save_model`	`True`	각 step에서 성능이 개선되면 모델을 저장합니다. 또한 트레이닝이 끝나면 최고 성능 모델을 로드합니다.
`mode`	`auto`	`min`, `max` 또는 `auto`입니다. step 간에 `monitor`에 지정된 트레이닝 메트릭을 비교하는 방식입니다.
`monitor`	`None`	최고 성능 모델을 저장하기 위한 성능 측정에 사용하는 트레이닝 메트릭입니다. `None`이면 기본값은 검증 손실입니다.
`log`	`gradients`	`gradients`, `parameters`, `all` 또는 `None`입니다. 손실과 메트릭은 항상 로깅됩니다.
`input_type`	`None`	`images` 또는 `None`입니다. 샘플 예측을 표시하는 데 사용됩니다.
`validation_data`	`None`	`input_type`이 설정된 경우 샘플 예측에 사용하는 데이터입니다.
`predictions`	`36`	`input_type`이 설정되어 있고 `validation_data`가 `None`인 경우 생성할 예측 개수입니다.
`seed`	`12345`	`input_type`이 설정되어 있고 `validation_data`가 `None`인 경우 샘플 예측을 위한 난수 생성기를 초기화합니다.