WandBをkerasで使ってみた
- 以下のリンクにアクセスし、APIキーを取得します。
googleアカウント、githubアカウントと連携できるのでとても便利です。
- ログイン後、ホーム画面右上にあるプロフィール欄をクリックし
User settings → Danger ZoneにあるAPI keysを控えておきます。
- home画面の「Create new project」からプロジェクトを新規作成を行います。
![](https://s3.ap-northeast-1.amazonaws.com/wraptas-prod/elcamy/f7b6bc3a-52bb-48ab-b507-03903ad0f007/77924fa256679ae046a77730081bb6d6.png)
プロジェクトの名前(Project name)は「cifar10-cnn」としておきます。
- 上記のコードを実行します。
コードの解説
kerasでwandbを使う際には、モデルの実行前にwandb.initで初期化し、callbacksにWandbCallback()を追加するだけです。
- wandbが無事にインポートされるとAPIキーを求められるので、先ほど控えておいたAPIキーを入力します。
![](https://s3.ap-northeast-1.amazonaws.com/wraptas-prod/elcamy/8ce23905-5e40-40df-ae9a-cfd12634435c/5437e93c5ddaeb2ed6e66310f6a8c3c1.png)
- モデルが実行されると、「Run page」にダッシュボードのURLが表示され、そこからログを確認できるようになります。
今回はハイパラメータを変更したモデルも使い、計8回学習させました。
同じ画面に複数のモデルをプロットしてくれるので、モデル間の比較が容易でmatplotlibでコードを書く手間が省かれるのでとても便利です。
![](https://s3.ap-northeast-1.amazonaws.com/wraptas-prod/elcamy/f1f6e4fe-382d-42c6-acab-deafa3a89c0d/a9f154d91eff812fb7cc9348b3de9e2d.png)
- 学習が終了するとサマライズを表示してくれます。
![](https://s3.ap-northeast-1.amazonaws.com/wraptas-prod/elcamy/b09e2df4-cf80-420b-8f37-1e00ee2af252/6b65eb50e4fe2e04b35788802d433d0a.png)