WandbCallback

WandbCallback は keras と wandb を自動的に統合します。

WandbCallback(
    monitor="val_loss", verbose=0, mode="auto", save_weights_only=(False),
    log_weights=(False), log_gradients=(False), save_model=(True),
    training_data=None, validation_data=None, labels=None, predictions=36,
    generator=None, input_type=None, output_type=None, log_evaluation=(False),
    validation_steps=None, class_colors=None, log_batch_frequency=None,
    log_best_prefix="best_", save_graph=(True), validation_indexes=None,
    validation_row_processor=None, prediction_row_processor=None,
    infer_missing_processors=(True), log_evaluation_frequency=0,
    compute_flops=(False), **kwargs
)

例:

model.fit(
    X_train,
    y_train,
    validation_data=(X_test, y_test),
    callbacks=[WandbCallback()],
)

WandbCallback は keras によって収集されたメトリクスから、いかなる履歴データも自動的にログします: 損失および keras_model.compile() に渡されたもの全て。

WandbCallback は "best" training ステップに関連付けられた run のサマリーメトリクスを設定します。"best" は monitor および mode 属性によって定義され、デフォルトでは、最小の val_loss を持つエポックになります。WandbCallback はデフォルトで最も良い epoch に関連付けられたモデルを保存します。

WandbCallback はオプションで勾配およびパラメータのヒストグラムをログすることができます。

WandbCallback はオプションでトレーニングおよび検証データを保存し、wandb で可視化することができます。

引数
monitor	(str) 監視するメトリクスの名前。デフォルトは val_loss。
mode	(str) 次のいずれか: {auto, min, max}. min - 監視値が最小化された時、モデルを保存します。max - 監視値が最大化された時、モデルを保存します。auto - モデルを保存する時を推測しようとします（デフォルト）。
save_model	True - すべての過去のエポックを上回る監視値がある場合、モデルを保存します。False - モデルを保存しません。
save_graph	(boolean) True の場合、モデルのグラフを wandb に保存します（デフォルトは True）。
save_weights_only	(boolean) True の場合、モデルの重みだけを保存します（model.save_weights(filepath)）、そうでなければ完全なモデルが保存されます（model.save(filepath)）。
log_weights	(boolean) True の場合、モデルの層の重みのヒストグラムを保存します。
log_gradients	(boolean) True の場合、トレーニングの勾配のヒストグラムをログします。
training_data	(tuple) model.fit に渡された (X, y) と同じ形式。これは勾配の計算に必要であり、log_gradients が True の場合、必須です。
validation_data	(tuple) model.fit に渡された (X, y) と同じ形式。wandb で可視化するためのデータセット。これが設定されている場合、各エポック、wandb は少数の予測を行い、後で可視化するために結果を保存します。画像データを扱っている場合、正しくログするために input_type および output_type を設定してください。
generator	(generator) wandb で可視化するための検証データを返すジェネレータ。このジェネレータは (X, y) のタプルを返すべきです。特定のデータ例を可視化するには、validate_data または generator のいずれかが設定されている必要があります。画像データを扱っている場合、正しくログするために input_type および output_type を設定してください。
validation_steps	(int) validation_data がジェネレータの場合、完全な検証セットのためにジェネレータを実行するステップ数。
labels	(list) wandb でデータを可視化している場合、このラベルのリストは数値出力を理解可能な文字列に変換します。複数クラス分類器を構築している場合に有効です。バイナリ分類器を作成している場合、2つのラベル ["false のラベル", "true のラベル"] を渡すことができます。validate_data とジェネレータの両方が false の場合、これは何も行いません。
predictions	(int) 各エポックで可視化のために予測する数、最大は 100。
input_type	(string) 可視化を助けるためのモデル入力のタイプ。次のいずれか: (image, images, segmentation_mask, auto)。
output_type	(string) 可視化を助けるためのモデル出力のタイプ。次のいずれか: (image, images, segmentation_mask, label)。
log_evaluation	(boolean) True の場合、各エポックで検証データとモデルの予測を含むテーブルを保存します。詳細は validation_indexes、validation_row_processor、および output_row_processor を参照してください。
class_colors	([float, float, float]) 入力または出力がセグメンテーションマスクである場合、各クラスの rgb タプル（範囲 0-1）を含む配列。
log_batch_frequency	(integer) None の場合、コールバックは各エポックでログします。整数に設定された場合、log_batch_frequency バッチごとにトレーニングメトリクスをログします。
log_best_prefix	(string) None の場合、追加のサマリーメトリクスは保存されません。文字列に設定された場合、監視されたメトリクスとエポックはこの値で前置され、サマリーメトリクスとして保存されます。
validation_indexes	([wandb.data_types._TableLinkMixin]) 各検証例に関連付けられたインデックスキーの順序付きリスト。log_evaluation が True で validation_indexes が提供されている場合、検証データのテーブルは作成されず、各予測は TableLinkMixin によって表される行に関連付けられます。通常は Table.get_index() を使用して行キーのリストを取得します。
validation_row_processor	(Callable) 検証データに適用する関数。通常データを可視化するために使用されます。この関数は ndx（int）および row（dict）を受け取ります。モデルが単一の入力を持つ場合、row["input"] はその行の入力データとなります。そうでない場合、入力スロットの名前に基づいてキーが設定されます。fit 関数が単一のターゲットを取る場合、row["target"] はその行のターゲットデータとなります。そうでない場合、出力スロットの名前に基づいてキーが設定されます。例えば、入力データが単一の ndarray であり、データを画像として可視化したい場合、lambda ndx, row: {"img": wandb.Image(row["input"])} をプロセッサとして提供できます。log_evaluation が False または validation_indexes が存在する場合は無視されます。
output_row_processor	(Callable) validation_row_processor と同様ですが、モデルの出力に適用されます。row["output"] はモデル出力の結果を含みます。
infer_missing_processors	(bool) validation_row_processor および output_row_processor が欠けている場合に推論するかどうかを決定します。デフォルトは True です。labels が提供されている場合、適切な分類タイプのプロセッサを推論しようとします。
log_evaluation_frequency	(int) 評価結果をログする頻度を決定します。デフォルトは 0（トレーニングの最後にのみログします）。1 に設定すると各エポックごとにログし、2 に設定すると2 エポックごとにログします。log_evaluation が False の場合、効果はありません。
compute_flops	(bool) Keras の Sequential または Functional モデルの FLOPs を GigaFLOPs 単位で計算します。

メソッド

get_flops

View source

get_flops() -> float

推論モードでの tf.keras.Model または tf.keras.Sequential モデルの FLOPS [GFLOPs] を計算します。

内部では tf.compat.v1.profiler を使用します。

set_model

View source

set_model(
    model
)

set_params

View source

set_params(
    params
)