Suivre des notebooks Jupyter

​

Cas d’usage de W&B avec les notebooks Jupyter

1. Expérimentation itérative : exécutez et réexécutez des expériences en ajustant les paramètres, et tous vos runs sont automatiquement enregistrés dans W&B, sans que vous ayez à prendre de notes manuellement au fil de l’eau.
2. Enregistrement du code : lorsque vous reproduisez un modèle, il est difficile de savoir quelles cellules d’un notebook ont été exécutées, et dans quel ordre. Activez l’enregistrement du code sur votre page des paramètres pour conserver un historique de l’exécution des cellules pour chaque expérience.
3. Analyse personnalisée : une fois les runs consignés dans W&B, vous pouvez facilement obtenir un dataframe via l’API et réaliser une analyse personnalisée, puis journaliser ces résultats dans W&B pour les enregistrer et les partager dans des rapports.

​

Premiers pas dans un notebook

!pip install wandb -qqq
import wandb
wandb.login()

wandb.init(
    project="jupyter-projo",
    config={
        "batch_size": 128,
        "learning_rate": 0.01,
        "dataset": "CIFAR-100",
    },
)

%%wandb

# Insérez ici votre boucle d’entraînement

​

Afficher des interfaces W&B en direct dans vos notebooks

# Afficher le workspace d’un projet
%wandb USERNAME/PROJECT
# Afficher un run spécifique
%wandb USERNAME/PROJECT/runs/RUN_ID
# Afficher un sweep
%wandb USERNAME/PROJECT/sweeps/SWEEP_ID
# Afficher un rapport
%wandb USERNAME/PROJECT/reports/REPORT_ID
# Définir la hauteur de l’iframe intégrée
%wandb USERNAME/PROJECT -h 2048

import wandb
from IPython.display import display
# Initialiser un run
run = wandb.init()

# Si la cellule se termine par run.finish(), des graphiques en direct s’affichent
run.finish()

​

Fonctionnalités Jupyter supplémentaires dans W&B

1. Authentification simplifiée dans Colab : lorsque vous appelez wandb.init() pour la première fois dans un Colab, nous authentifions automatiquement votre runtime si vous êtes déjà connecté à W&B dans votre navigateur. Dans l’onglet Vue d’ensemble de la page du run, vous trouverez un lien vers le Colab.
2. Commandes magiques Jupyter : affichez des tableaux de bord, des sweeps et des Reports directement dans vos notebooks. La commande magique %wandb accepte un chemin vers votre projet, vos sweeps ou vos Reports, et affiche l’interface W&B directement dans le notebook.
3. Lancer Jupyter dans Docker : appelez wandb docker --jupyter pour lancer un conteneur Docker, y monter votre code, vous assurer que Jupyter est installé et le lancer sur le port 8888.
4. Exécutez les cellules dans n’importe quel ordre, en toute sérénité : par défaut, nous attendons le prochain appel à wandb.init() pour marquer un run comme finished. Vous pouvez ainsi exécuter plusieurs cellules (par exemple, une pour préparer les données, une pour l’entraînement, une pour les tests) dans l’ordre de votre choix, et toutes journaliseront dans le même run. Si vous activez l’enregistrement du code dans les Paramètres utilisateur, les cellules exécutées seront également journalisées, dans leur ordre d’exécution et dans l’état où elles ont été exécutées, ce qui vous permet de reproduire même les pipelines les moins linéaires. Pour marquer manuellement un run comme terminé dans un notebook Jupyter, appelez wandb.Run.finish().

import wandb

run = wandb.init()

# placez ici votre script d’entraînement et votre journalisation

run.finish()