> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
# モデルをログする
> モデル アーティファクトを W&B run にログし、後で log_model と use_model SDK メソッドを使用して取得します。
export const ColabLink = ({url}) =>
Try in Colab
;
モデルをログする
以下のガイドでは、W\&B run にモデルをログする方法と、それらを操作する方法について説明します。
以下の API は、実験管理ワークフローの一部としてモデルを追跡するのに役立ちます。このページに記載されている API を使用して、run にモデルをログし、メトリクス、表、メディア、その他のオブジェクトにアクセスします。
W\&B では、以下のような場合に [W\&B Artifacts](/ja/products/wandb/artifacts) の使用をおすすめします:
* データセットやプロンプトなど、モデル以外のシリアライズされたデータのさまざまなバージョンを作成および追跡する場合。
* W\&B で追跡されたモデルまたはその他のオブジェクトの [リネージ グラフ](/ja/products/wandb/artifacts/explore-and-traverse-an-artifact-graph) を探索する場合。
* これらのメソッドが作成したモデル アーティファクトを操作する場合、たとえば [プロパティの更新](/ja/products/wandb/artifacts/update-an-artifact) (メタデータ、エイリアス、説明) など。
W\&B Artifacts と高度なバージョン管理のユースケースの詳細については、[Artifacts](/ja/products/wandb/artifacts) のドキュメントを参照してください。
モデルを run にログする
[`log_model`](/ja/products/wandb/ref/python/experiments/run#log_model) を使用して、指定したディレクトリ内のコンテンツを含むモデル アーティファクトをログします。[`log_model`](/ja/products/wandb/ref/python/experiments/run#log_model) メソッドは、作成されたモデル アーティファクトを W\&B run の出力としてもマークします。
モデルを W\&B run の入力または出力としてマークすると、モデルの依存関係や関連付けをトラッキングできます。W\&B のアプリ UI でモデルのリネージを確認できます。詳細については、[Artifacts](/ja/products/wandb/artifacts) の章にある[アーティファクト グラフの探索と走査](/ja/products/wandb/artifacts/explore-and-traverse-an-artifact-graph)ページを参照してください。
モデルファイルの保存先のパスを `path` パラメーターに指定します。パスには、ローカルファイル、ディレクトリ、または `s3://bucket/path` のような外部バケットへの[参照 URI](/ja/products/wandb/artifacts/track-external-files#amazon-s3--gcs--azure-blob-storage-references) を指定できます。
`<>` で囲まれた値は、必ずご自身の値に置き換えてください。
```python theme={"system"}
import wandb
# W&B run を初期化します
with wandb.init(project="", entity="") as run:
# モデルをログします
run.log_model(path="", name="")
```
必要に応じて、`name` パラメーターにモデル アーティファクトの名を指定します。`name` を指定しない場合、W\&B は入力パスの basename の先頭に run ID を付けたものを名として使用します。
自分または W\&B がモデルに割り当てた `name` を控えておいてください。[`wandb.Run.use_model()`](/ja/products/wandb/ref/python/experiments/run#use_model) メソッドでモデルのパスを取得する際に、モデル名が必要になります。
パラメーターについては、API リファレンスの [`log_model`](/ja/products/wandb/ref/python/experiments/run#log_model) を参照してください。
例: モデルを run にログする
```python theme={"system"}
import os
import wandb
from tensorflow import keras
from tensorflow.keras import layers
config = {"optimizer": "adam", "loss": "categorical_crossentropy"}
# W&B run を初期化します
with wandb.init(entity="charlie", project="mnist-experiments", config=config) as run:
# ハイパーパラメーター
loss = run.config["loss"]
optimizer = run.config["optimizer"]
metrics = ["accuracy"]
num_classes = 10
input_shape = (28, 28, 1)
# トレーニングアルゴリズム
model = keras.Sequential(
[
layers.Input(shape=input_shape),
layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Flatten(),
layers.Dropout(0.5),
layers.Dense(num_classes, activation="softmax"),
]
)
# トレーニング用にモデルを設定します
model.compile(loss=loss, optimizer=optimizer, metrics=metrics)
# モデルを保存します
model_filename = "model.h5"
local_filepath = "./"
full_path = os.path.join(local_filepath, model_filename)
model.save(filepath=full_path)
# モデルを W&B run にログします
run.log_model(path=full_path, name="MNIST")
```
`wandb.Run.log_model()` を呼び出すと、`MNIST` という名のモデル アーティファクトが作成され、ファイル `model.h5` がそのモデル アーティファクトに追加されます。ターミナルまたはノートブックには、モデルのログ先の run に関する情報を確認できる場所が表示されます。
```python theme={"system"}
View run different-surf-5 at: https://wandb.ai/charlie/mnist-experiments/runs/wlby6fuw
Synced 5 W&B file(s), 0 media file(s), 1 artifact file(s) and 0 other file(s)
Find logs at: ./wandb/run-20231206_103511-wlby6fuw/logs
```
ログされたモデルのダウンロードと使用
[`use_model`](/ja/products/wandb/ref/python/experiments/run#use_model) 関数を使用して、以前に W\&B run にログされたモデルファイルにアクセスしてダウンロードします。
取得したいモデルファイルが保存されているモデル アーティファクトの名を指定します。指定する名は、既存のログされたモデル アーティファクトの名と一致する必要があります。
`log_model` でファイルを元にログする際に `name` を定義しなかった場合、割り当てられるデフォルトの名は、入力パスの basename に run ID を前置したものです。
`<>` で囲まれた値を自分の値に置き換えてください：
```python theme={"system"}
import wandb
# run を初期化します
with wandb.init(project="", entity="") as run:
# モデルにアクセスしてダウンロードします。ダウンロードしたアーティファクトへのパスを返します
downloaded_model_path = run.use_model(name="")
```
[use\_model](/ja/products/wandb/ref/python/experiments/run#use_model) 関数は、ダウンロードしたモデルファイルのパスを返します。このモデルを後でリンクしたい場合は、このパスを記録しておいてください。前のスニペットでは、返されたパスが `downloaded_model_path` という変数に格納されています。
例: ログされたモデルのダウンロードと使用
次のスニペットでは、ユーザーが `use_model` API を呼び出しました。取得したいモデル アーティファクトの名を指定し、バージョン/エイリアスも指定しています。その後、API から返されたパスを `downloaded_model_path` 変数に格納しています。
```python theme={"system"}
import wandb
entity = "luka"
project = "NLP_Experiments"
alias = "latest" # モデルのバージョンを表す意味のある別名または識別子
model_artifact_name = "fine-tuned-model"
# run を初期化します
with wandb.init(project=project, entity=entity) as run:
# モデルにアクセスしてダウンロードします。ダウンロードしたアーティファクトへのパスを返します
downloaded_model_path = run.use_model(name = f"{model_artifact_name}:{alias}")
```
パラメーターと戻り値のタイプについては、API リファレンスの [`use_model`](/ja/products/wandb/ref/python/experiments/run#use_model) を参照してください。