run を初期化する

🚀 run exalted-darkness-6 を表示: 
https://wandb.ai/nico/awesome-project/runs/pgbn9y21
Find logs at: wandb/run-20241106_090747-pgbn9y21/logs

import wandb

wandb.setup(wandb.Settings(reinit="create_new"))

with wandb.init() as experiment_results_run:
    # このrunは各experimentの結果をログするために使用されます。
    # 結果を収集する親runとして考えることができます。
      with wandb.init() as run:
         # do_experiment()関数は指定されたrunに詳細なメトリクスをログし、
         # 個別にトラッキングしたい結果のメトリクスを返します。
         experiment_results = do_experiment(run)

         # 各experimentの後、その結果を親runにログします。
         # 親runのチャートの各点は、1つのexperimentの結果に対応します。
         experiment_results_run.log(experiment_results)

import wandb

def train(name: str) -> None:
    """W&B run 内でトレーニングを1回実行する。

    `reinit="create_new"` を指定した 'with wandb.init()' ブロックを使用することで、
    別の run（プライマリのトラッキング run など）がすでにアクティブな場合でも、
    このトレーニングサブ run を作成できる。
    """
    with wandb.init(
        project="my_project",
        name=name,
        reinit="create_new"
    ) as run:
        # 実際のスクリプトでは、このブロック内でトレーニングステップを実行する。
        run.log({"train_loss": 0.42})  # 実際のメトリクスに置き換えること

def evaluate_loss_accuracy() -> (float, float):
    """現在のモデルの損失と accuracy を返す。
    
    このプレースホルダーを実際の評価ロジックに置き換えること。
    """
    return 0.27, 0.91  # メトリクスの例

# 複数のトレーニング/評価ステップを通じてアクティブであり続ける「プライマリ」run を作成する。
with wandb.init(
    project="my_project",
    name="tracking_run",
    reinit="create_new"
) as tracking_run:
    # 1) 'training_1' という名前のサブ run でトレーニングを1回実行する
    train("training_1")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})

    # 2) 'training_2' という名前のサブ run で再度トレーニングを実行する
    train("training_2")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})
    
    # 'with' ブロックが終了すると、'tracking_run' は自動的に終了する。