fastai v1

fastai v1에서 W&B 콜백을 사용해 모델 토폴로지, 손실, 메트릭, 가중치, 그라디언트, 예측을 로깅합니다.

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

fastai v1을 사용하는 스크립트를 위해 모델 토폴로지, 손실, 메트릭, 가중치, 그라디언트, 샘플 예측, 그리고 가장 잘 트레이닝된 모델을 자동으로 로깅할 수 있는 콜백을 제공합니다.

import wandb
from wandb.fastai import WandbCallback

wandb.init()

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

원하는 로깅 데이터는 콜백 생성자를 통해 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 WandbCallback를 인스턴스화해야 합니다.

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

이 단계에서 맞춤형 매개변수를 지정할 수도 있습니다.

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

예제 코드

인테그레이션이 어떻게 작동하는지 확인할 수 있도록 몇 가지 예제를 준비했습니다:

Fastai v1

• 심슨 가족 캐릭터 분류하기: Fastai 모델을 추적하고 비교하는 간단한 데모
• Fastai를 사용한 시맨틱 세그멘테이션: 자율주행차용 신경망 최적화

옵션

WandbCallback() 클래스는 여러 옵션을 지원합니다:

키워드 인수	기본값	설명
learn	N/A	연결할 fast.ai learner입니다.
save_model	True	각 step에서 모델 성능이 개선되면 저장합니다. 또한 트레이닝이 끝나면 최적 모델을 로드합니다.
mode	auto	min, max, 또는 auto: 각 step 사이에서 monitor에 지정된 트레이닝 메트릭을 비교하는 방법입니다.
monitor	None	최적 모델 저장 여부를 판단하기 위한 성능 측정에 사용하는 트레이닝 메트릭입니다. None이면 기본적으로 검증 loss를 사용합니다.
log	gradients	gradients, parameters, all, 또는 None입니다. loss와 메트릭은 항상 로깅됩니다.
input_type	None	images 또는 None입니다. 샘플 예측을 표시하는 데 사용됩니다.
validation_data	None	input_type가 설정된 경우 샘플 예측에 사용하는 데이터입니다.
predictions	36	input_type가 설정되고 validation_data가 None인 경우 생성할 예측 수입니다.
seed	12345	input_type가 설정되고 validation_data가 None인 경우 샘플 예측용 무작위 생성기를 초기화합니다.