メインコンテンツへスキップ
Try in Colab
W&B は、W&B マルチテナント SaaS において埋め込み TensorBoard をサポートしています。
TensorBoard の ログ を クラウド にアップロードすることで、同僚やクラスメートと 結果 を素早く共有し、一元化された場所で 分析 を管理できます。
TensorBoard integration code

​
はじめに

import wandb

# `sync_tensorboard=True` を指定して wandb run を開始します
wandb.init(project="my-project", sync_tensorboard=True) as run:
  # TensorBoard を使用したトレーニングコード
  ...
TensorBoard インテグレーションの run 例 を確認してください。 run が終了すると、W&B 上で TensorBoard イベントファイルに アクセス でき、ネイティブの W&B チャートで メトリクス を可視化できます。また、システムの CPU や GPU の使用率、 git の状態、 run で使用された ターミナル の コマンド など、追加の有用な情報も併せて確認できます。
W&B は、TensorFlow のすべての バージョン で TensorBoard をサポートしています。また、PyTorch を使用した TensorBoard 1.14 以降、および TensorBoardX もサポートしています。

​
よくある質問

​
TensorBoard にログされていないメトリクスを W&B にログするにはどうすればよいですか？

TensorBoard にログされていない追加のカスタム メトリクス をログする必要がある場合は、コード内で wandb.Run.log() を呼び出すことができます。例： run.log({"custom": 0.8}) TensorBoard を同期している場合、 run.log() 内の step 引数 の設定は無効になります。別のステップ数を設定したい場合は、次のように step メトリクス と一緒に メトリクス をログしてください。 run.log({"custom": 0.8, "global_step": global_step})

​
wandb と併用する場合、TensorBoard をどのように設定しますか？

TensorBoard のパッチ適用の方法をより詳細に制御したい場合は、 wandb.init に sync_tensorboard=True を渡す代わりに、 wandb.tensorboard.patch を呼び出すことができます。 
import wandb

wandb.tensorboard.patch(root_logdir="<logging_directory>")
run = wandb.init()

# ノートブックで実行している場合は、wandb run を終了して TensorBoard ログを W&B にアップロードします
run.finish()
この メソッド に tensorboard_x=False を渡すとバニラな TensorBoard がパッチされるようになり、PyTorch で TensorBoard > 1.14 を使用している場合は pytorch=True を渡すことで適切にパッチされるようになります。これらのオプションは、インポートされているライブラリの バージョン に応じてスマートなデフォルト値が設定されます。 デフォルトでは、 tfevents ファイルとすべての .pbtxt ファイルも同期されます。これにより、お客様に代わって TensorBoard インスタンスを ローンチ することが可能になります。 run ページに TensorBoard タブ が表示されます。この 振る舞い は、 wandb.tensorboard.patch に save=False を渡すことで無効にできます。 
import wandb

run = wandb.init()
wandb.tensorboard.patch(save=False, tensorboard_x=True)

# ノートブックで実行している場合は、wandb run を終了して TensorBoard ログを W&B にアップロードします
run.finish()
tf.summary.create_file_writer を呼び出す前、または torch.utils.tensorboard を介して SummaryWriter を構築する 前 に、 wandb.init() または wandb.tensorboard.patch を呼び出す必要があります。

​
過去の TensorBoard runs を同期するにはどうすればよいですか？

ローカルに保存されている既存の tfevents ファイルがあり、それらを W&B にインポートしたい場合は、 wandb sync log_dir を実行します。ここで log_dir は tfevents ファイルが含まれているローカルの ディレクトリー です。

​
Google Colab や Jupyter で TensorBoard を使用するにはどうすればよいですか？

Jupyter や Colabノートブック で コード を実行している場合は、トレーニングの最後に必ず wandb.Run.finish() を呼び出してください。これにより wandb run が終了し、TensorBoard ログが W&B にアップロードされて可視化できるようになります。 .py スクリプト を実行する場合、 スクリプト が終了すると wandb は自動的に終了するため、これは必要ありません。 ノートブック 環境でシェル コマンド を実行するには、 !wandb sync directoryname のように、先頭に ! を付ける必要があります。

​
PyTorch で TensorBoard を使用するにはどうすればよいですか？

PyTorch の TensorBoard インテグレーション を使用する場合、PyTorch Profiler の JSON ファイルを手動でアップロードする必要がある場合があります。 
with wandb.init(project="my-project", sync_tensorboard=True) as run:
    run.save(glob.glob(f"runs/*.pt.trace.json")[0], base_path=f"runs")

​
クラウドに保存されている tfevents ファイルを同期できますか？

wandb 0.20.0 以降では、S3、GCS、または Azure に保存されている tfevents ファイルの同期をサポートしています。 wandb は、各 クラウド プロバイダーのデフォルトの認証情報を使用します。対応する コマンド は以下の表の通りです。
クラウドプロバイダー認証情報ログディレクトリの形式
S3aws configures3://bucket/path/to/logs
GCSgcloud auth application-default logings://bucket/path/to/logs
Azureaz login1az://account/container/path/to/logs

Footnotes

  1. また、 AZURE_STORAGE_ACCOUNT と AZURE_STORAGE_KEY の 環境 変数を 設定 する必要があります。 ↩