W&B クイックスタート

W&B をインストールすると、規模を問わず機械学習の実験をトラッキング、可視化、管理できます。

W&B Weave に関する情報をお探しの場合は、Weave Python SDK クイックスタートまたは Weave TypeScript SDK クイックスタートを参照してください。

アカウントを作成する

初めてサインインすると、簡単なセットアップ手順を経てアカウントが作成され、組織に関連付けられます。表示されるステップは、どのような経路でアクセスしたかによって異なります。

サインイン方法を選択する

Continue with Google、Continue with GitHub、Continue with Apple、Continue with Microsoft のいずれかを選択するか、メールアドレスとパスワードでサインアップします。Weights & Biases の認証情報をすでにお持ちの場合は、その認証情報でサインインできます。Sign up ではなく Log in を選択してください。

メールアドレスを検証する

アカウントに登録したメールアドレスの受信トレイに届いた検証用リンクを確認します。メールが届かない場合は、迷惑メールフォルダーを確認するか、Resend email を選択してください。

アカウントに登録する

氏名、所属する組織または機関、ユーザー名を入力します。ユーザー名はプロフィール URL として使用されるため、一意である必要があります。ユーザー名に使用できるのは、英字、数字、アンダースコア、ハイフンのみです。How will you use Forge? では、個人または業務のプロジェクトで使用する場合は Professional を、研究または教育で使用する場合は Academic を選択します。続行するには、利用規約とプライバシーポリシーに同意します。

チームに参加する

メールドメインが一致する組織に参加可能なチームがある場合は、そのいずれかのチームに参加できます。チームの招待からアクセスした場合、またはすでにチームに所属している場合、このステップは表示されません。

組織を作成する

組織に名前を付けます。この名前は、forge.coreweave.com/my-organization のように組織の URL の一部になります。前のステップでチームに参加した場合、チームの招待からアクセスした場合、またはすでにチームに所属している場合、このステップは表示されません。

取り組む内容を選択する

Train and fine-tune models、Build and evaluate agents、Run inference at scale、I’m exploring のいずれかを選択します。選択内容に応じて次に表示されるページが決まりますが、使用できるプロダクトが制限されることはありません。

セットアップ手順が完了すると、アカウントを使用できるようになります。

APIキーを作成する

マシンを認証するには、APIキーを作成します。 APIキーを作成する手順については、個人用 APIキー タブまたは サービスアカウント APIキー タブを選択して確認してください。

個人用 APIキー
サービスアカウント APIキー

自分のユーザー ID に紐づく個人用 APIキーを作成するには、次の手順を実行します。

Forge にログインし、ユーザープロフィールアイコンをクリックして User settings を選択します。
API keys セクションで New key を選択します。
APIキーにわかりやすい名前を付けます。
Create API key をクリックします。
表示された APIキーをすぐにコピーし、安全な場所に保管します。

W&Bでは、完全なAPIキーは作成時に一度だけ表示されます。ダイアログを閉じた後は、完全なAPIキーを再表示することはできません。設定画面にはキーID (キーの先頭部分) のみが表示されます。完全なAPIキーを紛失した場合は、新しいAPIキーを作成する必要があります。

安全な保管方法については、APIキーを安全に保管するを参照してください。

`wandb` ライブラリをインストールしてログインする

Command line
Python
Python notebook

WANDB_API_KEY 環境変数を設定します。YOUR_API_KEY は、作成したAPIキーに置き換えてください。
export WANDB_API_KEY=YOUR_API_KEY
wandb ライブラリをインストールしてログインします。
pip install wandb wandb login

pip で W&B Python SDK をインストールします。
pip install wandb
W&B Python SDK をインポートし、Python スクリプトで wandb.login() を実行して W&B にログインします。
import wandb wandb.login()

シェルエスケープ (!) を使用して W&B Python SDK をインストールします。
!pip install wandb
W&B Python SDK をインポートし、ノートブックで wandb.login() を実行して W&B にログインします。
import wandb wandb.login()

run を初期化してハイパーパラメーターをトラッキングする

Python スクリプトまたはノートブックで、wandb.init() を使用して W&B の Run オブジェクトを初期化します。config パラメーターに辞書を渡して、ハイパーパラメーター名とその値を指定します。with 文の中で、メトリクスやその他の情報を W&B にログできます。

import wandb

wandb.login()

# run の記録先となる project
project = "my-awesome-project"

# ハイパーパラメーターを格納した辞書
config = {
    'epochs' : 10,
    'lr' : 0.01
}

with wandb.init(project=project, config=config) as run:
    # ここにトレーニングコードを記述します
    # run.log() を使用して値を W&B にログします
    run.log({"accuracy": 0.9, "loss": 0.1})

トレーニング run をシミュレートし、精度と損失のメトリクスを W&B にログする完全な例については、機械学習のトレーニング実験を作成するを参照してください。

run は W&B の中核となる要素です。run を使用して、メトリクスのトラッキング、ログの作成、アーティファクトのトラッキングを行います。

機械学習のトレーニング実験を作成する

この模擬トレーニングスクリプトは、シミュレーションで生成した精度と損失のメトリクスを W&B にログします。次のコードを Python スクリプトまたはノートブックのセルにコピー＆ペーストして実行してください。

import wandb
import random

wandb.login()

# run の記録先となる project
project = "my-awesome-project"

# ハイパーパラメーターの辞書
config = {
    'epochs' : 10,
    'lr' : 0.01
}

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

    # トレーニング run をシミュレートします
    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})

W&B ダッシュボードにアクセスすると、精度や損失などの記録されたメトリクスを表示し、各トレーニングステップでの変化を確認できます。次の画像は、各 run で追跡された損失と精度を示しています。各 run オブジェクトは、自動生成された名前で Runs 列に表示されます。

Forge のプロジェクトの Workspace。Runs 列に 7 つの run が一覧表示され、それぞれの損失と精度のチャートが表示されている

次のステップ

W&B のその他の機能もご覧ください。

run について学び、最初の run を作成します。
W&B Artifacts を使用して、モデル、データセット、その他のファイルをトラッキングします。
W&B Sweeps を使用して、ハイパーパラメーター探索を自動化し、モデルを最適化します。
Registry を使用して、モデル、プロンプト、データセットを共有します。
project のダッシュボードで、run の分析、モデルの予測の可視化、アーティファクトの確認を行います。
W&B Reports を使用して、分析結果をまとめ、共同作業者と最新情報を共有します。
W&B Weave を使用して、LLM アプリケーションのトレースと評価を行います。

​アカウントを作成する

​APIキーを作成する

​wandb ライブラリをインストールしてログインする

​run を初期化してハイパーパラメーターをトラッキングする

​機械学習のトレーニング実験を作成する

​次のステップ

アカウントを作成する

APIキーを作成する

`wandb` ライブラリをインストールしてログインする

run を初期化してハイパーパラメーターをトラッキングする

機械学習のトレーニング実験を作成する

次のステップ