Passer au contenu principal
Dans W&B, les fonctions globales sont des fonctions de niveau supérieur que vous appelez directement, comme wandb.init() ou wandb.login(). Contrairement aux méthodes associées à des classes spécifiques, ces fonctions donnent un accès direct aux fonctionnalités de base de W&B sans devoir d’abord instancier des objets.

​
Fonctions disponibles

FonctionDescription
init()Démarre un nouveau run pour suivre et journaliser des données dans W&B. C’est généralement la première fonction appelée dans votre pipeline d’entraînement ML.
login()Configure les identifiants de connexion W&B pour authentifier votre machine auprès de la plateforme.
setup()Prépare W&B pour une utilisation dans le processus courant et ses processus enfants. Utile pour les applications multiprocessus.
teardown()Nettoie les ressources W&B et arrête le processus backend.
sweep()Initialise un balayage d’hyperparamètres pour rechercher des configurations de modèle optimales.
agent()Crée un agent de balayage pour exécuter des expériences d’optimisation d’hyperparamètres.
controller()Gère et contrôle les agents de balayage ainsi que leur exécution.
restore()Restaure un run précédent ou l’état d’une expérience afin de reprendre le travail.
finish()Termine un run et nettoie les ressources.

​
Exemple

Le flux de travail le plus courant consiste à s’authentifier auprès de W&B, à initialiser un run et à journaliser des valeurs (telles que l’accuracy et la perte) à partir de votre boucle d’entraînement. Les premières étapes consistent à importer wandb et à utiliser les fonctions globales login() et init() : 
import wandb

# S'authentifier avec W&B
wandb.login()

# Hyperparamètres et métadonnées
config = {
   "learning_rate": 0.01,
   "epochs": 10,
}

# Projet dans lequel le run est enregistré
project = "my-awesome-project"

# Initialiser un nouveau run
with wandb.init(project=project, config=config) as run:
   # Votre code d'entraînement ici...
   
   # Journaliser les valeurs dans W&B
   run.log({"accuracy": 0.9, "loss": 0.1})