MMF

Intégrez W&B au framework MMF de Meta AI pour suivre les expériences d’entraînement de modèles multimodaux et consigner des métriques.

La classe WandbLogger de la bibliothèque MMF de Meta AI permet à W&B de consigner les métriques d’entraînement et de validation, les métriques système (GPU et CPU), les points de contrôle du modèle et les paramètres de configuration.

Fonctionnalités actuelles

Les fonctionnalités suivantes sont prises en charge par le WandbLogger dans MMF :

• Métriques d’entraînement et de validation
• Évolution du taux d’apprentissage
• Enregistrement des points de contrôle du modèle dans W&B Artifacts
• Métriques système GPU et CPU
• Paramètres de configuration de l’entraînement

Paramètres de configuration

Les options suivantes sont disponibles dans la configuration MMF pour activer et personnaliser la journalisation de wandb :

training:
    wandb:
        enabled: true
        
        # Une entité est un nom d'utilisateur ou un nom d'équipe vers lequel vous envoyez des runs.
        # Par défaut, le run sera enregistré dans votre compte utilisateur.
        entity: null
        
        # Nom du projet à utiliser lors de l'enregistrement de l'expérience avec wandb
        project: mmf
        
        # Nom de l'expérience/run à utiliser lors de l'enregistrement de l'expérience
        # dans le projet avec wandb. Le nom d'expérience par défaut
        # est : ${training.experiment_name}
        name: ${training.experiment_name}
        
        # Activer le point de contrôle du modèle, en sauvegardant les points de contrôle du modèle dans W&B Artifacts
        log_model_checkpoint: true
        
        # Valeurs d'arguments supplémentaires à transmettre à wandb.init(), par exemple :
        # job_type: 'train'
        # tags: ['tag1', 'tag2']
        
env:
    # Pour modifier le chemin vers le répertoire où les métadonnées wandb seront
    # stockées (par défaut : env.log_dir) :
    wandb_logdir: ${env:MMF_WANDB_LOGDIR,}