Skorch

Skorch와 W&B를 통합하는 방법.

  2 minute read  

Skorch와 함께 Weights & Biases를 사용하여 모든 모델 성능 메트릭, 모델 토폴로지 및 컴퓨팅 리소스와 함께 최고의 성능을 보이는 모델을 각 에포크 후에 자동으로 기록할 수 있습니다. wandb_run.dir에 저장된 모든 파일은 자동으로 W&B 서버에 기록됩니다.

예제 run을 참조하세요.

파라미터

파라미터 타입 설명
wandb_run wandb.wandb_run. Run 데이터를 기록하는 데 사용되는 wandb run입니다.
save_model bool (default=True) 최고의 모델의 체크포인트를 저장하고 W&B 서버의 Run에 업로드할지 여부입니다.
keys_ignored str 또는 str 리스트 (default=None) 텐서보드에 기록하지 않아야 하는 키 또는 키 리스트입니다. 사용자가 제공한 키 외에도 event_로 시작하거나 _best로 끝나는 키는 기본적으로 무시됩니다.

예제 코드

통합이 어떻게 작동하는지 보여주는 몇 가지 예제를 만들었습니다.

  • Colab: 통합을 시도해 볼 수 있는 간단한 데모입니다.
  • 단계별 가이드: Skorch 모델 성능을 추적하는 방법
# wandb 설치
... pip install wandb

import wandb
from skorch.callbacks import WandbLogger

# wandb Run 생성
wandb_run = wandb.init()
# 대안: W&B 계정 없이 wandb Run 생성
wandb_run = wandb.init(anonymous="allow")

# 하이퍼 파라미터 기록 (선택 사항)
wandb_run.config.update({"learning rate": 1e-3, "batch size": 32})

net = NeuralNet(..., callbacks=[WandbLogger(wandb_run)])
net.fit(X, y)

메소드 레퍼런스

메소드 설명
initialize() 콜백의 초기 상태를 (다시) 설정합니다.
on_batch_begin(net[, X, y, training]) 각 배치 시작 시 호출됩니다.
on_batch_end(net[, X, y, training]) 각 배치 종료 시 호출됩니다.
on_epoch_begin(net[, dataset_train, …]) 각 에포크 시작 시 호출됩니다.
on_epoch_end(net, **kwargs) 마지막 기록 단계의 값을 기록하고 최고의 모델을 저장합니다.
on_grad_computed(net, named_parameters[, X, …]) 그레이디언트가 계산되었지만 업데이트 단계가 수행되기 전에 배치당 한 번 호출됩니다.
on_train_begin(net, **kwargs) 모델 토폴로지를 기록하고 그레이디언트에 대한 훅을 추가합니다.
on_train_end(net[, X, y]) 트레이닝 종료 시 호출됩니다.

Last modified April 3, 2025