Создать артефакт

Перед началом работы

Перед началом работы убедитесь, что выполнены следующие условия:

• Установлена библиотека wandb.

• Настроена авторизация с помощью API-ключа.

• Создан ML-проект, в котором будет сохранен ран.

Порядок действий

1. Создайте объект артефакта с указанием имени и типа:

   import wandb
   
   # Initialize the run
   run = wandb.init(project="<name_project>")
   
   # Create an artifact
   artifact = wandb.Artifact(
       name="<name_run>",
       type="<type_artifact>",
   )
   
   

   Где:

   • <name_project> — название ML-проекта.

   • <name_run> — название рана.

   • <type_artifact> — тип артефакта: model, dataset, file и др.

   При инициализации объекта артефакта можно дополнительно указать описание и метаданные. Подробнее в документации wandb SDK.

   Примечание

   Каждый раз, когда вы создаете артефакт с тем же названием и типом, создается новая версия этого артефакта.

2. Добавьте файлы в артефакт.

   Выберите метод в зависимости от типа артефакта.

   # Add a file
   artifact.add_file("model.pt")
   
   # Add a directory
   artifact.add_dir("models/")
   
   # Add data by reference
   artifact.add_reference("s3://bucket/path/to/data")
   
   

3. Загрузите артефакт в ран:

   run.log_artifact(artifact)
   
   

4. Завершите ран:

   run.finish()
   
   

Пример полного кода:

# Initialize the run
run = wandb.init(project="my-new-project")

# Create an artifact
artifact = wandb.Artifact(
    name="ak0iraec",
    type="file")

artifact.add_file("mlflow.db")
run.log_artifact(artifact)

Результат

Артефакт создан и загружен в ML-проект.

Чтобы скачать артефакт, нажмите Скачать.