ワンドとは？
wandb は Weights & Biases の頭字語で、機械学習プロジェクトの追跡に役立つツールです。モデルのトレーニング中にハイパーパラメーターと出力メトリックを自動的に記録し、結果を視覚化して比較し、結果を同僚とすばやく共有できます。
wandb を使用すると、機械学習プロジェクトに強力なインタラクティブなビジュアル デバッグ エクスペリエンスをもたらし、Python スクリプトにアイコンを自動的に記録し、その結果 (損失関数、精度率、再現率など) を Web ダッシュボードにリアルタイムで表示できます。 、これにより、機械学習プロジェクトの視覚化を最短時間で完了できます。
要約すると、wandb には 4 つのコア機能があります。
かんばん: トレーニング プロセスを追跡し、視覚的な結果を提供します
レポート: トレーニング プロセス中にいくつかの詳細と貴重な情報を保存して共有します チューニング:ハイパーパラメーター チューニングを使用して、
トレーニング済みのモデルを最適化します
ツール: データセットとモデルのバージョン管理
データ視覚化ツール。モデルとデータのバージョン管理がより強力になりました。さらに、トレーニングするモデルを微調整することもできます。
wandb のもう 1 つのハイライトは、Jupyter、TensorFlow、Pytorch、Keras、Scikit、fast.ai、LightGBM、および XGBoost と組み合わせて使用できる強力な互換性です。
したがって、時間とエネルギーを節約するだけでなく、結果に質的な変化をもたらします
ワンドの使い方は？
1. wandb の Web サイトにアクセスします。wandb の Web サイトは wandb.ai ですが、この Web サイトにアクセスするには壁を迂回する必要があるため、ここでは壁を迂回する方法については説明しません。
2. github アカウントを登録し、その github アカウントを使用して wandb アカウントを登録します。
3. 新しいプロジェクトを作成し、[Create new project] をクリックします。
4. 新しいプロジェクトを作成したら、pycharm を開いて、wandb がインストールする仮想環境を確認します。
lvnan 仮想環境にインストールしたいのですが、この仮想環境に入り、 pip install wandb と入力し、それに従います
5. 最後のステップ
[設定] をクリックし、ページをプルダウンして API キーを見つけます。
次に、wandb が再度インストールされている仮想環境に入り、次のように入力します。
この独自の API キーは、上の図の API キーからコピーされ、完了です。
6. 結果表示
この時点で、独自のデータ セットをトレーニングできます. トレーニング中、wandb の公式 Web サイトには、プログラムが実行されていることが表示され、その後、有用な曲線が動的に生成されます. このように、他にも多くの機能があり、自分で探索できます Bar !
財を成す小さな手たちにいいねや注目して、今後も良い記事が書けるように頑張っていきます！