Initialize runs

🚀 run exalted-darkness-6 の表示先: 
https://wandb.ai/nico/awesome-project/runs/pgbn9y21
ログの検索先: wandb/run-20241106_090747-pgbn9y21/logs

import wandb

wandb.setup(wandb.Settings(reinit="create_new"))

with wandb.init() as experiment_results_run:
    # この run は、各実験の結果をログするために使用します。
    # 結果を収集する親 run と考えることができます
      with wandb.init() as run:
         # do_experiment() 関数は、指定された run に詳細なメトリクスを
         # ログし、個別にトラッキングしたい
         # 結果のメトリクスを返します。
         experiment_results = do_experiment(run)

         # 各実験の後に、その結果を親 run にログします。
         # 親 run のチャートの各ポイントは、
         # 1 回の実験の結果に対応します。
         experiment_results_run.log(experiment_results)

import wandb

def train(name: str) -> None:
    """Perform one training iteration in its own W&B run.

    Using a 'with wandb.init()' block with `reinit="create_new"` ensures that
    this training sub-run can be created even if another run (like our primary
    tracking run) is already active.
    """
    with wandb.init(
        project="my_project",
        name=name,
        reinit="create_new"
    ) as run:
        # 実際のスクリプトでは、このブロック内でトレーニングステップを実行します。
        run.log({"train_loss": 0.42})  # 実際のメトリクスに置き換えてください

def evaluate_loss_accuracy() -> (float, float):
    """Returns the current model's loss and accuracy.
    
    Replace this placeholder with your real evaluation logic.
    """
    return 0.27, 0.91  # メトリクス値の例

# 複数のトレーニング・評価ステップを通じて実行中の状態を維持する「プライマリ」run を作成します。
with wandb.init(
    project="my_project",
    name="tracking_run",
    reinit="create_new"
) as tracking_run:
    # 1) 'training_1' という名のサブ run で一度トレーニングします
    train("training_1")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})

    # 2) 'training_2' という名のサブ run で再度トレーニングします
    train("training_2")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})
    
    # この 'with' ブロックが終了すると、'tracking_run' は自動的に終了します。