- Résumé : La finalité de la collection, ainsi que le framework de machine learning utilisé pour l’expérience.
- Licence : Les conditions juridiques et les autorisations associées à l’utilisation du modèle de machine learning. Cela aide les utilisateurs du modèle à comprendre le cadre légal dans lequel ils peuvent utiliser le modèle. Les licences courantes incluent Apache 2.0, MIT et GPL.
- Références : Citations ou références vers des articles de recherche pertinents, des jeux de données ou des ressources externes.
- Données d’entraînement : Décrivez les données d’entraînement utilisées.
- Traitement : Traitements appliqués au jeu de données d’entraînement.
- Stockage des données : Où ces données sont stockées et comment y accéder.
- Architecture : Informations sur l’architecture du modèle, les couches et les choix de conception spécifiques.
- Tâche : Le type précis de tâche ou de problème pour lequel le modèle de la collection est conçu. Il s’agit d’une catégorisation de la capacité prévue du modèle.
- Désérialiser le modèle : Indiquez comment un membre de votre équipe peut charger le modèle en mémoire.
- Déploiement : Détails sur la façon et l’endroit où le modèle est déployé, ainsi que des indications sur la manière dont le modèle est intégré à d’autres systèmes d’entreprise, comme des plateformes d’orchestration de flux de travail.
Ajouter une description à une collection
- W&B Registry UI
- Python SDK
- Accédez à W&B Registry.
- Cliquez sur une collection.
- Sélectionnez Voir les détails à côté du nom de la collection.
- Dans le champ Description, renseignez des informations sur votre collection. Mettez le texte en forme avec la syntaxe Markdown.
