Démarrage rapide avec W&B

Installez W&B pour suivre, visualiser et gérer des expériences de machine learning de toutes tailles.

Vous cherchez des informations sur W&B Weave ? Voir le démarrage rapide du SDK Python de Weave ou le démarrage rapide du SDK TypeScript de Weave.

Créer un compte

Lors de votre première connexion, un court processus de configuration crée votre compte et vous rattache à une organisation. Les étapes affichées dépendent de la façon dont vous accédez à Forge.

Choisir une méthode de connexion

Sélectionnez Continue with Google, Continue with GitHub, Continue with Apple ou Continue with Microsoft, ou inscrivez-vous avec une adresse e-mail et un mot de passe.Si vous disposez déjà d’identifiants Weights & Biases, vous pouvez les utiliser ici. Sélectionnez Log in au lieu de Sign up.

Vérifier votre adresse e-mail

Un lien de vérification est envoyé à l’adresse e-mail associée à votre compte. Si vous ne le recevez pas, consultez votre dossier de courrier indésirable ou sélectionnez Resend email.

Créer votre compte

Saisissez votre nom complet, votre organisation ou établissement, ainsi qu’un nom d’utilisateur. Votre nom d’utilisateur sert d’URL à votre profil ; il doit donc être unique. Il ne peut contenir que des lettres, des chiffres, des caractères de soulignement et des traits d’union.Pour How will you use Forge?, sélectionnez Professional pour des projets personnels ou d’entreprise, ou Academic pour la recherche ou l’enseignement.Pour continuer, acceptez les Conditions d’utilisation et la Politique de confidentialité.

Rejoindre votre équipe

Si votre domaine d’adresse e-mail correspond à une organisation dont les équipes vous sont ouvertes, vous pouvez rejoindre l’une d’entre elles.Si vous avez reçu une invitation d’équipe ou si vous appartenez déjà à une équipe, cette étape ne s’affiche pas.

Créer votre organisation

Nommez votre organisation. Ce nom figure dans son URL, par exemple forge.coreweave.com/my-organization.Si vous avez rejoint une équipe à l’étape précédente, si vous avez reçu une invitation d’équipe ou si vous appartenez déjà à une équipe, cette étape ne s’affiche pas.

Choisir votre domaine de travail

Sélectionnez l’une des options suivantes : Train and fine-tune models, Build and evaluate agents, Run inference at scale ou I’m exploring. Votre choix détermine la page qui s’affiche ensuite, mais ne limite pas les produits auxquels vous avez accès.

Une fois le processus de configuration terminé, votre compte est prêt à l’emploi.

Créer une clé API

Pour authentifier votre machine, créez une clé API. Pour savoir comment créer une clé API, sélectionnez l’onglet Clé API personnelle ou Clé API de compte de service.

Clé API personnelle
Clé API de compte de service

Pour créer une clé API personnelle associée à votre identifiant utilisateur :

Connectez-vous à Forge, puis cliquez sur l’icône de votre profil utilisateur et sélectionnez User settings.
Dans la section API keys, sélectionnez New key.
Fournissez un nom descriptif pour votre clé API.
Cliquez sur Create API key.
Copiez immédiatement la clé API affichée et conservez-la en lieu sûr.

W&B n’affiche la clé API complète qu’une seule fois, lors de sa création. Une fois la boîte de dialogue fermée, vous ne pouvez plus consulter la clé API complète. Seul l’ID de la clé (sa première partie) apparaît dans vos paramètres. Si vous perdez la clé API complète, vous devez en créer une nouvelle.

Pour connaître les options de stockage sécurisé, consultez Stocker les clés API en toute sécurité.

Installer la bibliothèque `wandb` et se connecter

Ligne de commande
Python
Notebook Python

Définissez la variable d’environnement WANDB_API_KEY. Remplacez YOUR_API_KEY par la clé API que vous avez créée.
export WANDB_API_KEY=YOUR_API_KEY
Installez la bibliothèque wandb et connectez-vous :
pip install wandb wandb login

Installez le SDK Python W&B avec pip :
pip install wandb
Importez le SDK Python W&B et connectez-vous à W&B depuis votre script Python avec wandb.login() :
import wandb wandb.login()

Utilisez le caractère d’échappement shell (!) pour installer le SDK Python W&B :
!pip install wandb
Importez le SDK Python W&B et connectez-vous à W&B depuis votre notebook avec wandb.login() :
import wandb wandb.login()

Initialiser un run et suivre les hyperparamètres

Dans votre script Python ou votre notebook, initialisez un objet run W&B avec wandb.init(). Passez un dictionnaire au paramètre config pour définir les noms et les valeurs des hyperparamètres. Dans le bloc with, vous pouvez journaliser des métriques et d’autres informations dans W&B.

import wandb

wandb.login()

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

# Dictionnaire des hyperparamètres
config = {
    'epochs' : 10,
    'lr' : 0.01
}

with wandb.init(project=project, config=config) as run:
    # Placez votre code d’entraînement ici
    # Journalisez les valeurs dans W&B avec run.log()
    run.log({"accuracy": 0.9, "loss": 0.1})

Pour un exemple complet qui simule un run d’entraînement et journalise les métriques de précision et de perte dans W&B, consultez Créer une expérience d’entraînement de machine learning.

Un run est un élément central de W&B. Les runs vous permettent de suivre des métriques, de créer des journaux et de suivre des artifacts.

Créer une expérience d’entraînement de machine learning

Ce script d’entraînement fictif journalise dans W&B des métriques simulées de précision et de perte. Copiez-collez le code suivant dans un script Python ou une cellule de notebook, puis exécutez-le :

import wandb
import random

wandb.login()

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

# Dictionnaire des hyperparamètres
config = {
    'epochs' : 10,
    'lr' : 0.01
}

with wandb.init(project=project, config=config) as run:
    offset = random.random() / 5
    print(f"lr: {config['lr']}")

    # Simuler un run d’entraînement
    for epoch in range(2, config['epochs']):
        acc = 1 - 2**-config['epochs'] - random.random() / config['epochs'] - offset
        loss = 2**-config['epochs'] + random.random() / config['epochs'] + offset
        print(f"epoch={config['epochs']}, accuracy={acc}, loss={loss}")
        run.log({"accuracy": acc, "loss": loss})

Consultez votre tableau de bord W&B pour afficher les métriques enregistrées, telles que la précision et la perte, et observer leur évolution à chaque étape d’entraînement. L’image suivante montre la perte et la précision suivies pour chaque run. Chaque objet run apparaît dans la colonne Runs avec un nom généré automatiquement.

L’onglet Workspace d’un projet dans Forge, avec sept runs répertoriés dans la colonne Runs et leurs graphiques de perte et de précision

Étapes suivantes

Explorez d’autres fonctionnalités de W&B :

Découvrez les runs et créez votre premier run.
Suivez vos modèles, jeux de données et autres fichiers avec W&B Artifacts.
Automatisez vos recherches d’hyperparamètres et optimisez vos modèles avec W&B Sweeps.
Partagez des modèles, des prompts et des jeux de données avec Registry.
Analysez les runs, visualisez les prédictions des modèles et consultez les artifacts dans le tableau de bord de votre projet.
Synthétisez vos constats et tenez vos collaborateurs informés grâce à W&B Reports.
Tracez et évaluez vos applications LLM avec W&B Weave.

​Créer un compte

​Créer une clé API

​Installer la bibliothèque wandb et se connecter

​Initialiser un run et suivre les hyperparamètres

​Créer une expérience d’entraînement de machine learning

​Étapes suivantes

Créer un compte

Créer une clé API

Installer la bibliothèque `wandb` et se connecter

Initialiser un run et suivre les hyperparamètres

Créer une expérience d’entraînement de machine learning

Étapes suivantes