> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

> Intégrez W&B à YOLOX pour suivre l’entraînement de modèles de détection d’objets, consigner des métriques et visualiser les résultats de détection.

# YOLOX

[YOLOX](https://github.com/Megvii-BaseDetection/YOLOX) est une version sans ancres de YOLO conçue pour la détection d’objets. L’intégration W\&B de YOLOX vous permet, à l’aide d’un seul argument de ligne de commande, d’activer la journalisation des métriques liées à l’entraînement, à la validation et au système, et de valider les prédictions de manière interactive.

Ce guide explique comment vous authentifier auprès de W\&B, installer l’intégration et activer la journalisation W\&B lors de l’entraînement d’un modèle de détection d’objets YOLOX, afin de suivre les métriques et d’examiner les prédictions dans l’interface de W\&B.

<h2 id="sign-up-and-create-an-api-key">
  S’inscrire et créer une clé API
</h2>

Une clé API authentifie votre machine auprès de W\&B. Vous pouvez générer une clé API depuis votre profil utilisateur.

<Note>
  Pour plus de simplicité, accédez aux [Paramètres utilisateur](https://forge.coreweave.com/settings) et créez une clé API. Copiez immédiatement la clé API et enregistrez-la dans un emplacement sécurisé, par exemple un gestionnaire de mots de passe.
</Note>

1. Cliquez sur l’icône de votre profil utilisateur dans le coin supérieur droit.
2. Sélectionnez **Paramètres utilisateur**, puis faites défiler la page jusqu’à la section **API Keys**.

<h2 id="install-the-wandb-library-and-log-in">
  Installer la bibliothèque `wandb` et se connecter
</h2>

Pour installer la bibliothèque `wandb` en local et vous connecter :

<Tabs>
  <Tab title="Ligne de commande">
    1. Définissez la [variable d’environnement](/fr/products/wandb/track/environment-variables) `WANDB_API_KEY` sur votre clé API. Remplacez les valeurs entre `<>` par les vôtres :

       ```bash theme={"system"}
       export WANDB_API_KEY=<your_api_key>
       ```

    2. Installez la bibliothèque `wandb` et connectez-vous.

       ```shell theme={"system"}
       pip install wandb

       wandb login
       ```
  </Tab>

  <Tab title="Python">
    ```bash theme={"system"}
    pip install wandb
    ```

    ```python theme={"system"}
    import wandb
    wandb.login()
    ```
  </Tab>

  <Tab title="Notebook Python">
    ```notebook theme={"system"}
    !pip install wandb

    import wandb
    wandb.login()
    ```
  </Tab>
</Tabs>

<h2 id="log-metrics">
  Consigner des métriques
</h2>

Une fois la bibliothèque `wandb` installée et votre machine authentifiée, vous pouvez activer la journalisation W\&B depuis le script d’entraînement YOLOX.

Utilisez l’argument de ligne de commande `--logger wandb` pour activer la journalisation avec `wandb`. Vous pouvez également transmettre tous les arguments attendus par [`wandb.init()`](/fr/products/wandb/ref/python/functions/init). Préfixez chaque argument par `wandb-`.

`num_eval_imges` détermine le nombre d’images et de prédictions de l’ensemble de validation que W\&B journalise dans des tableaux pour l’évaluation du modèle.

Remplacez les espaces réservés suivants avant d’exécuter la commande :

* `<project-name>` : le nom de votre projet W\&B.
* `<entity>` : votre entity W\&B (nom d’utilisateur ou nom d’équipe).
* `<run-name>` : un nom pour ce run d’entraînement.
* `<run-id>` : un identifiant unique pour ce run.
* `<save-dir>` : le répertoire dans lequel YOLOX enregistre les points de contrôle et les journaux.
* `<num-images>` : le nombre d’images de validation à journaliser.
* `<bool>` : indique s’il faut journaliser les points de contrôle (`true` ou `false`).

```shell theme={"system"}
# Se connecter à W&B
wandb login

# Lancer votre script d’entraînement YOLOX avec l’argument de logger wandb
python tools/train.py .... --logger wandb \
                wandb-project <project-name> \
                wandb-entity <entity> \
                wandb-name <run-name> \
                wandb-id <run-id> \
                wandb-save_dir <save-dir> \
                wandb-num_eval_imges <num-images> \
                wandb-log_checkpoints <bool>
```

<h2 id="example">
  Exemple
</h2>

Une fois votre run d’entraînement lancé, YOLOX transmet en continu les métriques d’entraînement, de validation et système à votre projet W\&B, où vous pouvez comparer les runs et examiner les prédictions. L’exemple suivant montre à quoi ressemble un tableau de bord alimenté en données.

Voir l’[exemple de tableau de bord avec les métriques d’entraînement et de validation de YOLOX](https://forge.coreweave.com/wandb/manan-goel/yolox-nano/runs/3pzfeom).

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/_media/yolox_example_dashboard.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=3063b17554512c5e3e577aff228ce855" alt="Tableau de bord d’entraînement YOLOX" width="3016" height="2394" data-path="products/wandb/_media/yolox_example_dashboard.png" />
</Frame>

Pour toute question ou tout problème concernant cette intégration W\&B, ouvrez une issue dans le [dépôt YOLOX](https://github.com/Megvii-BaseDetection/YOLOX).