ログする

"""
Log a CSV file to W&B as a table.

Replace:
- values enclosed in angle brackets with your own
- <name>.csv in pd.read_csv() with the name of your CSV file
"""

import wandb
import pandas as pd

# CSV を（pandas の）DataFrame オブジェクトとして読み込みます
dataframe = pd.read_csv("<name>.csv")

# DataFrame を W&B 表に変換します
table = wandb.Table(dataframe=dataframe)

# データをログするための W&B run を開始します
with wandb.init(project="<project>") as run:

    # 表をログして W&B UI で可視化します
    run.log({"<table_name>": table})

"""
Log a custom summary metric to W&B.
"""
import wandb
import random 

with wandb.init(project="<project>") as run:
    # 1 から 10 までのランダムな整数値をカスタム サマリー メトリクスとしてログします
    run.summary["<metric_name>"] = random.randint(1, 10)

"""
Log a custom summary metric to W&B.

Replace:
- values enclosed in angle brackets with your own
- <summary_function_a> and <summary_function_b> in run.define_metric() with
    one of "max", "min", "last", "mean", "best", or "none".
"""
import wandb
import random

with wandb.init() as run:
    # metric_name_a に対して summary_function_a と summary_function_b のサマリー値を定義します
    run.define_metric(name="<metric_name_a>", summary="<summary_function_a>")
    run.define_metric(name="<metric_name_a>", summary="<summary_function_b>")

    for i in range(10):
        log_dict = {
            "metric_name_a": random.uniform(0, 1 / (i + 1)),
        }
        run.log(log_dict)

"""
Download and log an existing artifact from a registry collection.
Replace the placeholders with actual registry, collection names, entity,
project, and version.
"""
import wandb

# バージョンを含む完全なアーティファクト名を作成します
registry_name = "<registry_name>"  # レジストリ名を指定します
collection_name = "<collection_name>" # コレクション名を指定します
version = 0 # 使用するアーティファクトのバージョンを指定します
artifact_name_registry = f"wandb-registry-{registry_name}/{collection_name}:v{version}"

# 別のチームと project で W&B run を初期化します
with wandb.init(entity="<entity>", project="<project>") as run:
    # レジストリにあるモデル アーティファクトを使用します
    registry_model = run.use_artifact(artifact_or_name=artifact_name_registry)

    # モデルをローカル ディレクトリにダウンロードします
    local_model_path = registry_model.download()

"""
Log a histogram plot to W&B. 

Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot

Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.
"""
import wandb

# 新しい run を開始します
with wandb.init(entity="<entity>", project="<project>") as run:
        
    # プロットする列を含む表を作成します
    table = wandb.Table(data=[[1, 2], [2, 3]] , columns=["<a_column>", "<b_column>"])

    # 表のデータを使用してさまざまなカスタム チャートを作成します
    histogram = wandb.plot.histogram(table, value='<b_column>', title='Histogram')

    # カスタム表をログします。ログした表は UI 上のカスタマイズ可能なチャートに表示されます
    run.log({'histogram_1': histogram})

"""Initializes a W&B run and logs hyperparameters."""
import wandb

config = {
    "learning_rate": 0.01,
    "batch_size": 32,
    "optimizer": "adam",
}

with wandb.init(project="<project>", config=config) as run:
    # ここにトレーニングとログするコードを記述します
    pass

"""
Log a line plot to W&B. 

Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot

Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.

Column names must match the x and y parameters in the `wandb.plot.line()` plotting function.
"""
import wandb

# 新しい run を開始します
with wandb.init(entity="<entity>", project="<project>") as run:
        
    # プロットする列を含む表を作成します
    table = wandb.Table(data=[[1, 2], [2, 3]], columns=["<column_a>", "<column_b>"])

    # 表を使用して、さまざまなカスタム チャートにデータを設定します
    line_plot = wandb.plot.line(table, x='<column_a>', y='<column_b>', title='<title>')
    
    # カスタムの表をログします。ログした表は UI 上のカスタマイズ可能なチャートに表示されます
    run.log({'<line_plot>': line_plot})

"""Initializes a W&B run and logs a metric."""
import wandb

with wandb.init(project="<project>") as run:
    # トレーニングとログのためのコードをここに記述します

    # メトリクスをログする例
    run.log({"accuracy": 0.95})

"""
Log a scatter plot to W&B. 

Replace:
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to plot

Pass a 2D row-oriented array of values to data (wandb.Table(data=)), with
column names specified in the `columns` parameter.

Column names must match the x and y parameters in the `wandb.plot.scatter()` plotting function.
"""
import wandb

# 新しい run を開始します
with wandb.init(entity="<entity>", project="<project>") as run:
        
    # プロット対象の列を持つ表を作成します
    table = wandb.Table(data=[[1, 2], [2, 3]], columns=["<a_column>", "<b_column>"])

    # 表のデータをさまざまなカスタム チャートに使用します
    scatter = wandb.plot.scatter(table, x='<a_column>', y='<b_column>', title='<title>')

    # カスタム表をログします。ログした表は UI 上のカスタマイズ可能なチャートに表示されます
    run.log({'scatter_1': scatter})

"""
Explicitly log a summary metric to W&B.
"""
import wandb
import random 

with wandb.init(project="<project>") as run:
    # 1から10の間のランダムな整数値を持つカスタム サマリー メトリクスをログする
    run.summary["<metric_name>"] = random.randint(1, 10)

"""
Log a table to W&B.

Replace: 
- values enclosed in angle brackets with your own
- [[1, 2], [2, 3]] in wandb.Table(data=) with your own 2D row-oriented array of values to log
"""
import wandb

# 2 列 2 行のデータを含む表オブジェクトを作成します
my_table = wandb.Table(
    columns=["<a_column>", "<b_column>"],
    data=[[1, 2], [2, 3]],
    log_mode="<log_mode>"
    )

# 新しい run を開始します
with wandb.init(entity="<entity>", project="<project>") as run:
    # 表を W&B にログします
    run.log({"<table_name>": my_table})