> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-dbrian-docs-serverless-training-quickstart.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# fastai v1

> fastai v1 で W&B コールバックを使用して、モデルのトポロジー、損失、メトリクス、重み、勾配、予測をログします。

<Note>
  このドキュメントは fastai v1 向けです。
  現在のバージョンの fastai を使用している場合は、[fastai ページ](../)を参照してください。
</Note>

fastai v1 を使用するスクリプト向けに、モデルのトポロジー、損失、メトリクス、重み、勾配、サンプル予測、そして最も性能の高い学習済みモデルを自動的にログできるコールバックを用意しています。

```python theme={null}
import wandb
from wandb.fastai import WandbCallback

wandb.init()

learn = cnn_learner(data, model, callback_fns=WandbCallback)
learn.fit(epochs)
```

ログするデータは、コールバックのコンストラクタで設定できます。

```python theme={null}
from functools import partial

learn = cnn_learner(
    data, model, callback_fns=partial(WandbCallback, input_type="images")
)
```

トレーニング開始時のみ WandbCallback を使用することもできます。この場合、インスタンス化しておく必要があります。

```python theme={null}
learn.fit(epochs, callbacks=WandbCallback(learn))
```

その段階でカスタムパラメーターを指定することもできます。

```python theme={null}
learn.fit(epochs, callbacks=WandbCallback(learn, input_type="images"))
```

<div id="example-code">
  ## コード例
</div>

インテグレーションの動作を確認できるよう、いくつかの例を用意しています。

**Fastai v1**

* [『シンプソンズ』のキャラクターを分類する](https://github.com/borisdayma/simpsons-fastai)[: ](https://app.wandb.ai/jxmorris12/huggingface-demo/reports/A-Step-by-Step-Guide-to-Tracking-Hugging-Face-Model-Performance--VmlldzoxMDE2MTU)Fastai モデルをトラッキングして比較するシンプルなデモ
* [Fastai によるセマンティックセグメンテーション](https://github.com/borisdayma/semantic-segmentation): 自動運転車向けのニューラルネットワークを最適化

<div id="options">
  ## オプション
</div>

`WandbCallback()` クラスでは、いくつかのオプションを指定できます。

| キーワード引数          | デフォルト     | 説明                                                                           |
| ---------------- | --------- | ---------------------------------------------------------------------------- |
| learn            | N/A       | フックする fast.ai learner。                                                       |
| save\_model      | True      | 各 step で改善が見られた場合にモデルを保存します。トレーニングの最後に best model も読み込みます。                   |
| mode             | auto      | `min`、`max`、または `auto`：`monitor` で指定したトレーニングメトリクスを step 間でどのように比較するかを指定します。  |
| monitor          | None      | best model を保存するためのパフォーマンス測定に使用するトレーニングメトリクスです。None の場合、デフォルトは検証損失です。        |
| log              | gradients | `gradients`、`parameters`、`all`、または None。損失とメトリクスは常にログされます。                   |
| input\_type      | None      | `images` または `None`。サンプル予測の表示に使用します。                                         |
| validation\_data | None      | `input_type` が設定されている場合に、サンプル予測に使用するデータ。                                     |
| predictions      | 36        | `input_type` が設定され、`validation_data` が `None` の場合に行う予測数。                     |
| seed             | 12345     | `input_type` が設定され、`validation_data` が `None` の場合に、サンプル予測用の乱数ジェネレーターを初期化します。 |