Tutorials

インタラクティブなチュートリアルで Weights & Biases の使用を開始しましょう。

  less than a minute  

基本

以下のチュートリアルでは、機械学習の 実験管理 、モデル評価、ハイパーパラメータチューニング、モデルとデータセットの バージョン管理 など、W&B の基本を説明します。

実験 を追跡

機械学習の 実験管理 、モデルの チェックポイント 、チームとのコラボレーションなどに W&B を使用します。

予測 を可視化

MNIST データで PyTorch を使用して、トレーニングの過程でモデルの 予測 を追跡、可視化、比較します。

ハイパーパラメータを チューニング する

W&B Sweeps を使用して、学習率、 バッチサイズ 、隠れ層の数など、ハイパーパラメータ 値 の組み合わせを自動的に検索するための組織的な方法を作成します。

モデルとデータセットを追跡

W&B Artifacts を使用して、ML 実験 パイプライン を追跡します。

人気のある ML フレームワーク のチュートリアル

W&B で人気のある ML フレームワーク とライブラリを使用する方法に関するステップバイステップの情報については、以下のチュートリアルを参照してください。

PyTorch

W&B を PyTorch コードと 統合 して、 実験管理 を パイプライン に追加します。

HuggingFace Transformers

W&B 統合 により、Hugging Face モデル のパフォーマンスを迅速に可視化します。

Keras

機械学習の 実験管理 、データセットの バージョン管理 、および プロジェクト コラボレーションに W&B と Keras を使用します。

XGBoost

機械学習の 実験管理 、データセットの バージョン管理 、および プロジェクト コラボレーションに W&B と XGBoost を使用します。

その他のリソース

W&B AI Academy にアクセスして、 アプリケーション で LLM をトレーニング、 ファインチューン し、使用する方法を学びます。MLOps および LLMOps ソリューションを実装します。W&B コース で実際の ML の課題に取り組みます。


最終更新 April 3, 2025