Hub Python Library documentation
Logger TensorBoard
Logger TensorBoard
TensorBoard adalah toolkit visualisasi untuk eksperimen machine learning. TensorBoard memungkinkan pelacakan dan visualisasi metrik seperti loss dan accuracy, visualisasi graf model, peninjauan histogram, tampilan gambar, dan banyak lagi.
TensorBoard terintegrasi dengan baik dengan Hugging Face Hub. Hub secara otomatis mendeteksi jejak TensorBoard (seperti tfevents) saat di-push ke Hub, yang kemudian memulai sebuah instance untuk memvisualisasikannya. Untuk mendapatkan informasi lebih lanjut tentang integrasi TensorBoard di Hub, lihat panduan ini.
Untuk memanfaatkan integrasi ini, huggingface_hub menyediakan logger khusus untuk mendorong log ke Hub. Ini berfungsi sebagai pengganti langsung untuk SummaryWriter tanpa perlu kode tambahan. Jejak masih disimpan secara lokal dan tugas latar belakang mendorongnya ke Hub pada interval yang teratur.
HFSummaryWriter
kelas huggingface_hub.HFSummaryWriter
< source >( *args**kwargs )
Parameter
- repo_id (
str) — ID dari repo tempat log akan didorong. - logdir (
str, opsional) — Direktori tempat log akan ditulis. Jika tidak ditentukan, direktori lokal akan dibuat oleh objekSummaryWriteryang mendasarinya. - commit_every (
intataufloat, opsional) — Frekuensi (dalam menit) di mana log akan didorong ke Hub. Bawaan adalah 5 menit. - squash_history (
bool, opsional) — Apakah riwayat repo akan di-squash setelah setiap commit. DefaultnyaFalse. Squashing commit berguna untuk menghindari penurunan performa pada repo ketika ukurannya menjadi terlalu besar. - repo_type (
str, opsional) — Jenis repo tempat log akan didorong. Bawaan adalah “model”. - repo_revision (
str, opsional) — Revisi repo tempat log akan didorong. Bawaan adalah “main”. - repo_private (
bool, opsional) — Apakah membuat repo menjadi privat. JikaNone(default), repo akan menjadi publik kecuali default organisasi adalah privat. Nilai ini diabaikan jika repo sudah ada. - path_in_repo (
str, opsional) — Path ke folder di repo tempat log akan didorong. Defaultnya adalah “tensorboard/”. - repo_allow_patterns (
list[str]ataustr, opsional) — Daftar pola yang akan disertakan dalam unggahan. Nilainya secara bawaan adalah"*.tfevents.*". Lihat panduan unggah untuk detail lebih lanjut. - repo_ignore_patterns (
list[str]ataustr, opsional) — Daftar pola untuk dikecualikan dalam unggahan. Lihat panduan unggah untuk detail lebih lanjut. - token (
str, opsional) — Token autentikasi. Akan menggunakan token yang tersimpan secara default. Lihat https://huggingface.co/settings/token untuk detail lebih lanjut - kwargs —
Argumen kata kunci tambahan yang diteruskan ke
SummaryWriter.
Wrapper di sekitar SummaryWriter dari tensorboard untuk mengirim log pelatihan ke Hub.
Data dicatat secara lokal dan kemudian didorong ke Hub secara asinkron. Pengiriman data ke Hub dilakukan dalam thread terpisah untuk menghindari pemblokiran skrip pelatihan. Secara khusus, jika unggahan gagal karena alasan apa pun (misalnya masalah koneksi), skrip utama tidak akan terputus. Data secara otomatis didorong ke Hub setiap commit_every menit (default setiap 5 menit).
HFSummaryWriterbersifat eksperimental. API-nya dapat berubah di masa depan tanpa pemberitahuan sebelumnya.
Contoh:
# Taken from https://pytorch.org/docs/stable/tensorboard.html
- from torch.utils.tensorboard import SummaryWriter
+ from huggingface_hub import HFSummaryWriter
import numpy as np
- writer = SummaryWriter()
+ writer = HFSummaryWriter(repo_id="username/my-trained-model")
for n_iter in range(100):
writer.add_scalar('Loss/train', np.random.random(), n_iter)
writer.add_scalar('Loss/test', np.random.random(), n_iter)
writer.add_scalar('Accuracy/train', np.random.random(), n_iter)
writer.add_scalar('Accuracy/test', np.random.random(), n_iter)