Artifacts の概要

​

ユースケース

​

アーティファクトを作成する

1. W&B run を作成します。
2. wandb.Artifact でアーティファクト オブジェクトを作成します。
3. wandb.Artifact.add_file() で、モデルファイルやデータセットなどの1つ以上のファイルをアーティファクト オブジェクトに追加します。
4. wandb.Run.log_artifact() でアーティファクトをW&Bにログします。

import wandb

with wandb.init(project="artifacts-example", job_type="add-dataset") as run:
    artifact = wandb.Artifact(name="example_artifact", type="dataset")
    artifact.add_file(local_path="./dataset.h5", name="training_dataset")
    run.log_artifact(artifact)

• アーティファクトの type は、W&B プラットフォーム上での表示方法に影響します。type を指定しない場合、デフォルトで unspecified になります。
• ドロップダウンの各ラベルは、それぞれ異なる type パラメーターの値を表しています。上記のコードスニペットでは、アーティファクトの type は dataset です。

​

アーティファクトをダウンロードする

with wandb.init(project="artifacts-example", job_type="add-dataset") as run:
    artifact = run.use_artifact("training_dataset:latest")  # "my_data" アーティファクトを使用する Run オブジェクトを返します

datadir = artifact.download()  # `my_data` アーティファクト全体をデフォルトのディレクトリにダウンロードします。

​

次のステップ

• アーティファクトのバージョン管理と更新の方法について学びましょう。
• オートメーションを使って、アーティファクトの変更をきっかけにダウンストリームのワークフローをトリガーしたり、Slack チャンネルに通知したりする方法について学びましょう。
• トレーニング済みモデルを格納するスペースであるRegistryについて学びましょう。
• Python SDK と CLI のリファレンスガイドもご覧ください。